论文部分内容阅读
环境风险评价是环境影响评价领域中的一个重要组成部分。风险决策管理是环境风险评价的目的,即环境风险决策管理是整个环境风险评价的最后环节。然而,由于环境风险的复杂性,环保部门不易做出及时、准确的风险管理决策。 越来越多的城市建立起一系列基于Internet的环境质量监测数据库,这使得大量与环境质量相关的数据源源不断地被保存到数据库中。目前对这些数据所做的工作主要局限于实时监测、日报、月报、年报等的生成,并在此基础上进行环境风险评价,然而,数据的其他有用的潜在价值并没有被开发利用于环境风险管理。 为上述问题提供一个行之有效的解决方案——基于数据挖掘的环境风险评价决策支持系统,是本文研究的目的所在。本文的主要工作包括以下几个方面: 1.提出将数据挖掘技术引入环境风险评价的构想,设计了基于数据挖掘技术的环境风险评价决策支持系统的模型与框架,并采用数据库服务器MySQL和开发工具Visual Basic、Visual C++,实现了该系统的数据库和模型库部分。 2.设计了BP神经网络及其改进算法的预测模型、马尔科夫模型和趋势结构序列预测模型,并采用Visual C++和Visual Basic在决策支持系统中实现了所有预测模型的应用模块。其中,对于BP神经网络及其改进算法的预测模型,开发出基于数据库与基于数据文件的应用模块,以适用于不同数据来源的挖掘分析。 3.为了验证该决策支持系统预测模型的有效性与可行性,本文采用济南市环境空气质量监测数据、大连小野田水泥有限公司TSP与SO2浓度监测数据以及广东东江水质TOC监测数据进行了实证分析。结果表明:预测结果与实际情况基本吻合,能够大致反映出特定环境质量的变化趋势。 综上所述,本文开发的基于数据挖掘的决策支持系统预测模型应用模块,在环境风险管理决策中的应用是基本可行的。