申请/专利权人：南京大学

申请日：2022-05-06

公开（公告）日：2022-08-16

公开（公告）号：CN114912787A

主分类号：G06Q10/06

分类号：G06Q10/06;G06Q50/26

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.09.02#实质审查的生效;2022.08.16#公开

摘要：本发明提供一种企业危险废物瞒报漏报风险的智能评估方法，获取企业相关数据表，完成数据表间的精确匹配，构建不同行业的产废多维数据库；消除多维数据库中的脏数据，确定时间分辨率进行合并，得到初始样本数据集；利用无监督异常检测集成框架对初始样本数据集进行异常数据的识别、剔除，获得预测数据集；利用预测数据集，进行随机森林模型的训练和验证，对监管时间段内企业的理论产废量和理论产废范围进行预测，计算企业危废产量瞒报漏报概率和数量。本发明基于企业的基础信息和在线监测数据，结合无监督异常检测和有监督机器学习方法，精准预测企业的危废理论产废量和瞒报漏报风险，从而实现危险废物源头的智能监管。

主权项：1.一种企业危险废物瞒报漏报风险的智能评估方法，其特征在于：包括以下步骤：步骤1：获取企业基本信息表、企业生产数据表、污染物在线监测数据表、危废产量申报数据表、转移联单数据表、企业信用评价数据表和移动执法数据表，完成数据表间的精确匹配，并根据行业代码进行分类，构建不同行业的产废多维数据库；步骤2：针对步骤1中的产废多维数据库中的数据进行人工清洗，消除多维数据库中的脏数据，并根据实际应用需求确定时间分辨率，对人工清洗后的数据进行合并，得到初始样本数据集；步骤3：利用无监督异常检测集成框架对步骤2中的初始样本数据集进行异常数据的识别，然后，将初始样本数据集中异常数据剔除，获得预测数据集；步骤4：利用步骤3中的预测数据集，以危废总产量或单类危废产量作为因变量，进行随机森林模型的训练和验证，根据均方根误差RMSE的平均数和回归决定系数R2的平均数比选出最佳超参数组合，对监管时间段内企业的理论产废量和理论产废范围进行预测；步骤5：将步骤4获得的理论产废量与企业实际申报量进行比较，计算企业危废产量瞒报漏报概率和数量。

全文数据：

权利要求：

百度查询： 南京大学 一种企业危险废物瞒报漏报风险的智能评估方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD