环境保护大数据建设方案详细.docx

环境保护大数据建设方案详细.docx

《环境保护大数据建设方案详细.docx》由会员分享，可在线阅读，更多相关《环境保护大数据建设方案详细.docx（5页珍藏版）》请在冰豆网上搜索。

环境保护大数据建设方案详细

环境信息大数据分析平台

（项目建议书）

1建设目标

本项目将借鉴国际最新大数据、物联网、云计算、移动、社交，以及空气质量建模和预报溯源方面的研究成果，开展环境信息大数据分析及工业园区污染溯源等方面的关键技术研究，并在此基础上建立一套针对鄂尔多斯市的环境信息大数据分析平台，进而实现业务化运行。

本项目的主要建设目标如下：

（1）建立空气质量相关信息的360度视图，支撑科学系统的管理决策。

对空气质量监测、综合观测、污染源、交通流量、地理信息，以及社会舆情等各类相关信息进行充分整合，形成数据源的统一管理、统一维护和高效查询，并提供契合现有业务逻辑的数据关联分析服务。

（2）实现基于认知计算的环境信息大数据分析。

基于平台中积累的各类数据，通过关联分析、时间序列分析、空间分布分析、案例分析和知识规则推理等多种手段，使用认知计算技术对环境信息进行大数据分析，产生更大的价值。

（3）构建应对措施的科学决策支持分析系统。

基于高精度分析模型，结合大气污染源排放清单，根据污染控制措施的需求，制作空气污染决策服务产品，向环境管理部门提供决策支持，制定有效、经济、低影响的科学应急处理措施。

（4）构建工业园区污染溯源系统。

基于高精度预报模型，结合重点污染源排放清单和综合观测数据，提供工业园区之间污染来源和去向追踪，给出每个园区的每种污染物随时间演化的空间分布和来源比例。

（5）构建区域异常污染自动监管系统。

充分利用大数据分析技术，将跨部门、跨行业、跨地域的数据整合起来,以更加科学的方式实现未批先建、超标排放等区域异常污染事件的发现和分析，应对环境事件、减少环境危害。

把环境数据与其他关键数据结合起来，让新的信息化手段为环境管理提供系统性的支撑，用数据说话，为管理者决策提供依据。

2建设容

本项目的建设容包括：

（1）基础数据采集与整合

（2）基于认知计算的环境信息大数据分析

（3）重污染预警与决策支持

（4）工业园区污染溯源

（5）区域异常污染自动监管系统

3功能模块详细描述

3.1基础数据采集与整合

覆盖全市的空气质量监测网络，构建环境信息数据库，开发一体化的数据实时采集、数据解析处理、自动质量控制、数据加工、叠置分析、预警识别等功能模块，实现数据一体化的统一加工处理和计算，保障服务于鄂尔多斯市的空气信息原始数据、过程数据、结果数据和发布数据的一致性，并为今后实现全自治区，乃至全国多级联动的重污染天气应急响应体系提供坚实的数据基础。

系统实时采集各种类型、不同来源、多点分布的环境和大气数据，包括地面常规观测数据、探空观测数据、超级站数据、排放清单、模式数据、气象辅助产品、监测站信息数据连接和集成、气象局提供的相关气象资料信息。

此外，整合其他相关业务数据，如地形数据，交通流量数据，企业信用数据，企业用电量、用水量、煤炭消耗量、化工原料消耗量，以及重型设备位置信息、工人到岗密集程度等信息，为辅助决策提供更完善的数据支持。

开发一体化的数据自动质量控制、数据加工、AQI计算等功能模块，实现数据一体化的统一加工处理和计算，开发多级数据交互平台，实时交互原始数据、过程数据和各种加工后的成果数据，保障多级原始数据、过程数据、结果数据和发布数据的一致性，最终实现多级数据一致的分区空气质量实时发布系统，并将数据实时与环保信息数据中心进行数据交换。

主要实现以下功能：

一体化质量控制、一体化数据加工、多级数据实时交换，与环保信息数据中心的数据实时交换、数据查询统计，整合污染源监控、监测中心、气象、交通，信用监管等相关部门和行业和数据。

3.2基于认知计算的环境信息大数据分析

利用平台中积累的各类数据，通过经典统计分析、数据挖掘、机器学习领域中超过30种模型和方法，通过认知计算方法使得这些模型和方法协同起来，实现了与空气质量相关的一系列分析，产生更大的价值。

在专家知识的基础上，系统对污染站点的特征进行挖掘和聚类，通过时空分析、多污染关联分析等手段，为空气质量管理提供新的洞察能力。

主要包括：

各种污染物以及气象元素之间的相关性分析，污染与风速风向的相关分析，基于时间序列分析，基于空间分布的分析，周边地市排放源对于鄂尔多斯的污染传输分析，案例匹配分析（结合气象条件，根据一系列的判断准则，进行案例匹配，从而辅助分析），知识规则在线自动生成（生成空气质量分析相关的决策树），等等。

这些分析模型和方法构成了我们大数据分析平台的核心，也为后期实现更多的环境分析应用提供了基础。

3.3重污染预警与决策支持

与环境管理部门的空气重污染应急工作相衔接，提供相关重污染预报预警的技术支持及决策信息服务。

通过污染源和污染扩散进行仿真，建立减排效果评估模型，针对给定预案进行提供精细化、量化评估。

根据重污染天气应急预案中的要求，提供污染源调控措施。

可根据不同调控措施的组合生成应急预案。

根据上述生成的应急预案，提供不同预案相对应的主要污染物减排量及减排比例，以专题图形式直观显示，同时支持统计、分析结果的打印输出。

系统能够向空气质量数值模拟系统提交基于应急预案的网格化源清单，并接收和处理模式运行结果。

根据不同的应急预案，展示空气质量模拟得到空气质量改善效果和变化趋势。

展现在各种应急预案下PM2.5、PM10、SO2、NOX、O3、CO等主要污染物的时空分布图、指定站点的污染物浓度等。

系统可以图表形式显示指定预案实施后PM2.5、PM10、SO2、NOX、O3、CO等主要污染物的环境观测与方案模拟对比结果，评估空气质量改善效果。

展示重污染天气污染物来源分析（动态展示效果图），及采取应急措施后，根据不同的调控方案，展示不同的调控方案效果和趋势展现。

3.4工业园区污染来源解析

对于一定围的工业园区污染源以及周边输入性污染源实现在线源解析。

分析不同工业园、不同行业的排放源对鄂尔多斯市及周边区域的主要污染物浓度的贡献量和贡献率，提供不同地区、不同行业污染排放源对一定历史时期（重污染过程、月度、季度、年度等）和未来3天主要污染物浓度的影响程度和影响围相关分析，评估一定时期各工业园区污染互相传输对主要污染物浓度水平的影响，用于确定对于相关地市空气质量有较大影响的区域及行业。

其中，不同地区包括各区县及周边地市市；不同行业包括工业源（火电、钢铁、水泥、石油、化工、制药等）、生活源、交通源、农业源等；追踪的污染物包括细颗粒物（PM2.5）、可吸入颗粒物（PM10）、臭氧（O3）、二氧化氮（NO2）、二氧化硫（SO2）、一氧化碳（CO），以及颗粒物中的硝酸盐、硫酸盐、铵盐等。

提供污染来源和去向追踪，给出每个地点的每种污染物的随时间演化的空间分布和来源比例。

3.5区域异常污染自动监管系统

从大数据的角度，对各类数据进行整合，充分利用大数据分析技术，与云计算、社交、移动技术不断整合，为监管者提供更加强有力地分析工具。

快速有效地识别未批先建、超标排放等区域异常污染事件。

针对“未批先建”异常污染事件监管的实现思路如图1所示。

图1针对“未批先建”异常污染事件监管的实现思路

首先，基于大数据分析平台，对空气质量监测数据进行时序异常分析及空间异常分析，识别污染物（如PM10等）异常，之后结合气象数据，获取数值天气预报结果，在此基础上，进行基于已经排放源仿真和基于监测数据的仿真，以发现异常并定位监测站。

针对已知源站点，这里基于监测点附近已知源列表对已知源进行溯源，并结合用水用电量数据识别超标排放；针对未知源站点，对其附近进行网格化定位，结合当地的舆情分析数据，及交通流量数据、重型机械设备位置信息表现出来的聚集程度等数据，识别园区的企业开工情况。

对识别出的开工企业，结合环评数据核验其环评批复情况，进而为现场执法提供可靠依据。

针对“超标排放”异常污染事件监管的实现思路如图2所示。

图2针对“超标排放”异常污染事件监管的实现思路

与“未批先建”的处理思路类似，首先，基于大数据分析平台，对空气质量监测数据进行时序异常分析及空间异常分析，识别污染物（如SO2等）异常，之后结合气象数据，获取数值天气预报结果，在此基础上，进行基于已经排放源仿真和基于监测数据的仿真，以发现异常并定位监测站。

针对已知源站点，这里基于监测点附近已知源列表对已知源进行溯源，结合用水用电量数据识别超标排放；针对未知源站点，对其附近进行网格化定位，结合当地的舆情分析数据，结合交通流量数据、重型机械设备位置信息表现出来的聚集程度等数据，识别园区的企业开工情况。

对识别出的园区中有超标排放的A、B、C等企业，再结合企业信用数据、煤炭消耗数据、化工原料消耗数据及员工到岗数据等，对企业的超标排放行为进行精准识别，为精准执法提供依据。