CN114912787B 一种企业危险废物瞒报漏报风险的智能评估方法 （南京大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114912787B(45)授权公告日2025.07.01

(21)申请号202210486252.4

(22)申请日2022.05.06

(65)同一申请的已公布的文献号申请公布号CN114912787A

(43)申请公布日2022.08.16

(73)专利权人南京大学

地址210023江苏省南京市南京栖霞区仙

林大道163号

(72)发明人毕军方文刘苗苗俞清源马宗伟黄玉洁谢文君

G06Q50/26(2024.01)

(56)对比文件

CN107194188A,2017.09.22

CN113723685A,2021.11.30审查员张春祥

(74)专利代理机构苏州新知行知识产权代理事

务所(特殊普通合伙)32414专利代理师郑丽玲

(51)Int.CI.

GO6Q10/0635(2023.01)权利要求书4页说明书10页附图3页

(54)发明名称

一种企业危险废物瞒报漏报风险的智能评

估方法

(57)摘要

CN114912787B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

CN114912787B

获取企业基本信息数据、生产数据、污染物在线监测数据、危废

获取企业基本信息数据、生产数据、污染物在线监测数据、危废产量申报数据、转移联单数据、企业信用评价数据和移动执法数据，完成数据表间的精确匹配和分类，构建各行业产废多维数据库

对多维数据库进行清洗，并根据实际应用需求确定时间分辨率并对数据进行合并，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值的识别，根据降维后的数据分布图像调整异常检测算法的参数，将异常值剔除后获得预测数据集

利用预测数据集进行随机森林模型的训练和

验证，根据性能指标比选出最佳超参数组合，

对监管时间段内企业理论产废量和区间进行预测

将理论产废量和区间和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

CN114912787B权利要求书1/4页

2

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:构建无监督异常检测集成框架，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。

2.如权利要求1所述的企业危险废物瞒报漏报风险的智能评估方法，其特征在于：步骤1具体包括以下步骤：

步骤1-1:从企业级别的信息化系统中获得企业相关数据表，所述企业相关数据表包

括：

企业基本信息表：包括企业名称、企业ID、组织机构代码、污染源代码、行业类别代码和企业员工数；

企业生产数据表：包括原辅料名称、原辅料用量、主要产品名称、主要产品产量、用电量、用水量和企业总产值；

污染物在线