【A30】企业污染排放违法行为实时风险评估系统【蓝创智能】
发布时间: 2021-11-17 21:49:57

1.命题方向

智能计算

2.题目类别

应用类

3.题目名称

企业污染排放违法行为实时风险评估系统

4.背景说明

【整体背景】

数据资产作为政府、企业的一项重要资产,需要最大化地挖掘数据资产价值。

习近平总书记一直十分重视生态环境保护,十八大以来多次对生态文明建设作出重要指示,在不同场合反复强调,“绿水青山就是金山银山”。如何保护好生态环境,污染源头管控尤为重要。以江苏省为例,全省申领排污许可证单位30000余家,如何保证监测数据的准确性,面对海量监测数据,通过数据模型分析,对企业排放行为进行实时进行风险评估,杜绝企业污染排放违法行为及污染事件的发生。

为全面严厉打击环境违法行为,江苏省生态环境厅强化科技支撑,希望充分发挥多系统协同优势,精准锁定重点区域、重点企业,精准指挥调度,有针对地开展执法检查,有效解决以前眉毛胡子一把抓、遍地撒网式的执法检查方式,通过系统对企业实现污染排放实时在线监控、违法行为风险评估,对污染排放违法行为实现精准打击。

【公司背景】

江苏蓝创智能科技股份有限公司于2009年5月在江苏无锡创立,公司致力于成为国内领先的环境污染精准防治数据运营商,在智慧环保、城市安全等领域提供基于IoT的数据采集及AI数据分析算法的整体解决方案。

公司持续深化AI、IoT、大数据、区块链等技术创新与产业应用,经过十余年的研发,蓝创智能构建了“Squirrel云平台+终端+服务”的业务布局,推动生态治理数字化、管理精准化、决策智能化转变,以“一张网”、“一平台”、“多应用”为核心,打造新基建下互联互通新生态,促进生态安全数据产业链深度融合发展,为坚决打赢污染防治攻坚战、确保实现生态环境质量总体改善目标贡献力量。

【业务背景】

公司着重通过AI数据模型对海量生态安全数据进行挖掘,为生态环境监管部门、应急管理部门、化工园区、排污企业提供综合化业务场景应用分析。借助先进技术构建全方位、多层次、全覆盖的生态安全监测网络,推动环境监测向自动化、标准化、智能化、信息化转变,形成生态安全数据一本台账、一张网络、一个窗口,确保监测数据客观真实、准确有效、指标全面,实现环境信息资源的高效、精准应用,达成让“感知更透彻,互联更快捷,智能更深入,决策更科学”的生态环境信息化建设目标,以更加精细、精准和动态的方式辅助生态安全监督与决策的智慧管理。

【问题说明】

污染源排放单位特别是国家重点监管的污染源排放单位基本已完成企业污染排放口在线监测设备设施的布局,在线监测数据实时传送至监管部门已建成的信息化系统。监管部门通过该系统可实时监测企业污染排放的数据,从而掌握企业的排污情况。但目前仍然存在企业偷排、恶意篡改监测设备参数、破坏在线监测设备设施、设备运维不规范、不及时导致的监测数据异常或无效的情况,给环境造成污染,对监管提出更高要求。如何利用信息化、智能化手段高效、精准、有效管控企业污染排放,对企业污染排放违法行为进行实时风险评估,是环境执法部门亟需解决的问题。

【用户期望】

对现有收集数据完成数据预处理等相关工作;

通过模型,可以快速、准确获得企业排污行为结果分析;

通过系统,可以将模型分析的结果实时展示,引导对具体范围、企业的精准执法。

6.任务要求

【开发说明】

在此项目中,按照课题要求自行(进行)数据的采集、扩充、清洗等处理。用于训练的数据数量自定,建立合适的网络模型进行训练,针对排污违法行为风险评估准确度和预警效果进行参数调整、模型优化;完成算法和应用程序的开发,要求可以打开任何一个企业的可疑排污违法情况,提供最有可能的违法行为评估,以及其他排污违法行为的概率,并根据合理情况进行预警,辅助指导生态环境综合行政执法,对正常情况也有相应的记录,可供查看。调研设计算法模型性能,并将其工程化部署,提供可交付的PC 端可执行程序或网页。

【技术要求与指标】

模型大小

不超过100M

算法性能指标

达到实时可用或者近似实时

效果指标

指标可行可用,展示做到“信,达,雅”

【提交材料】

1)项目概要介绍;

2)项目简介PPT;

3)项目详细方案;

4)项目演示视频;

5)企业要求提交材料:

1项目简介PPT(与(2)内容合并),包括:项目执行思路介绍;所使用的算法模型、优化方案、项目工程化过程介绍;算法及模型的优劣势、技术指标达成情况介绍,以及结果展示等;

2项目详细技术方案文档(与(3)内容合并),包括详细描述算法实现的技术方案及原理;

3可执行程序及完整文档。

6)团队自愿提交的其他补充材料。

【任务清单】

1)明确业务需求定义,根据定义收集、筛选或数据增强的方式整合可训练数据集;

2)熟悉企业排污违法相关行为和执法标准,针对《中华人民共和国环境保护法》相关条例制定数据上的衡量标准,判定何种情况属于排污违法行为;

3)采用深度学习模型调研、设计和训练;

4)模型优化改进(模型效果改进或模型压缩加速等);

5)模型的效果评估以及处理效率;

6)模型大小、处理所用时间、总体参数量(Params)和计算量(Flops);

7)网络模型工程化,提交版本可进行验证的包含全部依赖的工具包和说明文档;

8)给出后续系统再度优化推进建议。

【开发工具与数据接口】

开发工具:开发工具及平台不限,数据集可以自己整理或者额外找数据。

7.其他

8.参考信息

《中华人民共和国环境保护法》

《环境监测数据弄虚作假行为判定及处理办法》(环发[2015]175号)

9.评分要点

赛题评分要点见附件四:A类初决赛阶段评分表。

除此之外,企业还会重点关注:

1)标准制定:结合参考信息,针对排污违法行为制定的数据衡量标准覆盖精准到位、符合实际情况、具备应用价值;

主要针对以下三大类违法行为种类开展数据标准制定(每个大类都涉及很多可能的数据情况,以下仅举例,具体由参赛团队结合实际情况制定):

篡改监测数据行为

例如:企业为达到质量保证规定或相关技术规范要求,篡改其中部分数据、故意不真实记录或者选择性记录原始数据。可根据企业以往的排污量分析,正常情况下不会超过阈值,但是在某段时间排污量持续超出该阈值发现。

伪造监测数据行为

例如:通过仪器数据模拟功能,或者植入模拟软件,凭空生成监测数据。可对比企业历史数据,发现该时间段的排污数据与历史排污数据分布不一致发现。

其他违法行为

2)算法创新:算法创新描述详细、清晰,不限于数据预处理、网络模型改进、模型加速等技术的创新;

3)算法实现与交付:算法设计方案可行性高,算法的性能和效果可行可用,项目完成度好,展示效果好。

订阅号