本發(fā)明涉及環(huán)境監(jiān)測與保護，特別涉及一種污水排放數(shù)據(jù)造假的識別方法、裝置。

背景技術：

1、目前，隨著社會對環(huán)境保護的重視和對水質監(jiān)測的需求增加，一些不肖企業(yè)可能采用各種手段對水樣監(jiān)測數(shù)據(jù)進行偽造，以逃避監(jiān)管、降低成本或追求不當利益。在稀釋水樣場景下，由于水樣成分相對較為復雜，偽造行為更易隱藏且更具挑戰(zhàn)性。

2、目前，盡管已存在一些技術用于識別數(shù)據(jù)造假，但隨著技術的進步，尤其是對抗性技術的發(fā)展，這一領域仍然充滿挑戰(zhàn)。目前的識別方法主要依賴于人工經(jīng)驗，其中數(shù)據(jù)一致性檢查和實地核查是常見的手段。

3、在實地核查中，對于數(shù)據(jù)造假的手段，包括但不限于堵塞采樣頭、將監(jiān)測儀器放在礦泉水瓶中、篡改偽造監(jiān)測數(shù)據(jù)、假裝運行治理設施、人為設置程序、遠程操控監(jiān)測設備參數(shù)、加裝過濾吸收裝置等多種手段。這些手段的出現(xiàn)給環(huán)境監(jiān)測帶來了更大的挑戰(zhàn)，因為它們可能導致實際監(jiān)測數(shù)據(jù)與實際情況不一致。

4、實際的，在污染水數(shù)據(jù)造假判斷中的參考量一般為ph值、氨氮含量、總磷含量、化學需氧量等，由于ph值的變化范圍微小相對與氨氮含量、總磷含量、化學需氧量等參考量變化區(qū)間大，因此基于ph值的數(shù)據(jù)造假判斷方式方法不一定能夠適用在氨氮含量、總磷含量、化學需氧量等的數(shù)據(jù)造假判斷方式上。

5、另外，以ph值作為污染水數(shù)據(jù)造假判斷中的參考量舉例，某企業(yè)生產場所ph波動在白天是正常的，在夜晚是異常的，群體異常。數(shù)據(jù)實例的子集作為一個整體時候是異常的，但子集中的單個數(shù)據(jù)實例可能不是異常的。例如，在ph檢測當中，企業(yè)將ph探頭放入一瓶礦泉水當中，在各個小的連續(xù)時間段內，數(shù)據(jù)實例不是異常的，但各個小的連續(xù)時間段聚集在一起就是異常的，因為整體ph基本不變。水樣稀釋可能三種形式異常都是存在的。

6、因此，針對上述問題急需解決方案。

技術實現(xiàn)思路

1、本發(fā)明的目的是提供一種能夠基于如ph值的無量綱進行污染數(shù)據(jù)造假判斷的方法、裝置，采用對抗網(wǎng)絡模型，以計算得出異常分數(shù)用于實現(xiàn)對污染數(shù)據(jù)造假判斷，利于用于進行可視化判斷。

2、為了達到上述目的，本發(fā)明的技術方案有：

3、作為本技術的一方面，一種污水排放數(shù)據(jù)造假的識別方法，包括：

4、獲取目標監(jiān)控對象，并對污水排放區(qū)的水樣進行采樣以獲得水樣數(shù)據(jù)指標，對水樣數(shù)據(jù)指標進行預處理，將水樣數(shù)據(jù)指標區(qū)分為異常排放數(shù)據(jù)集和正常排放數(shù)據(jù)集；

5、構建對抗網(wǎng)絡模型，使用正常排放數(shù)據(jù)集進行訓練，得到訓練好的對抗網(wǎng)絡模型；

6、加載訓練好的對抗網(wǎng)絡模型，將異常排放數(shù)據(jù)輸入至訓練好的對抗網(wǎng)絡模型，并獲得指示異常排放數(shù)據(jù)數(shù)據(jù)造假程度的異常分數(shù)；

7、根據(jù)異常分數(shù)以獲得水樣數(shù)據(jù)判斷結果。

8、與現(xiàn)有技術相比，本技術的一種污水排放數(shù)據(jù)造假的識別方法，利用收集的水樣數(shù)據(jù)指標進行預處理分類為異常排放數(shù)據(jù)集和正常排放數(shù)據(jù)集，基于正常排放數(shù)據(jù)集結合構建的對抗網(wǎng)絡模型進行訓練，能夠有效針對當前污水所在地的當?shù)靥匦赃M行對抗網(wǎng)絡模型的參數(shù)訓練，以形成對抗網(wǎng)絡模型的對于異常排放數(shù)據(jù)集的判斷基準，并通過訓練好的對抗網(wǎng)絡模型，將異常排放數(shù)據(jù)集轉換/擬合為差異化較大且能夠進行造假判斷的異常分數(shù)，利用異常分數(shù)展示出企業(yè)異常排放數(shù)據(jù)集中各個數(shù)據(jù)的異常程度，用以反應出異常排放數(shù)據(jù)集中的各個水樣數(shù)據(jù)指標的造假風險程度，進而利于用戶進行污水數(shù)據(jù)造假判斷識別。

9、進一步的，所述獲取目標監(jiān)控對象，并對污水排放區(qū)的水樣進行采樣以獲得水樣數(shù)據(jù)指標，對水樣數(shù)據(jù)指標進行預處理，將水樣數(shù)據(jù)指標區(qū)分為異常排放數(shù)據(jù)集和正常排放數(shù)據(jù)集，具體包括：

10、對污水排放區(qū)內的污水進行檢測，并確定目標監(jiān)控對象，所述目標監(jiān)控對象為ph值或出水流量中的一種或多種；

11、基于目標監(jiān)控對象對污水排放區(qū)的水樣進行采樣以獲得污水排放區(qū)歷史時段的水樣排放參數(shù)，將歷史時段按照時間劃分方式劃分為若干子時段，根據(jù)若干子時段的水樣排放參數(shù)以獲得各個子時段對應的水樣數(shù)據(jù)指標；

12、設定水樣數(shù)據(jù)指標的異常判斷基準，將各個子時段對應的水樣數(shù)據(jù)指標區(qū)分為異常排放數(shù)據(jù)集和正常排放數(shù)據(jù)集。

13、進一步的，所述水樣數(shù)據(jù)指標為單位時間內ph值均值、單位時間內ph值差值、單位時間內出水流量均值和單位時間內出水流量差值中的一種或多種；

14、其中，單位時間內ph值均值指示為一子時段內所有ph值監(jiān)測值均值；

15、單位時間內ph值差值指示為一子時段內ph值最大監(jiān)測值與ph值最小監(jiān)測值之間差值；

16、進一步的，所述設定水樣數(shù)據(jù)指標的異常判斷基準，將各個子時段對應的水樣數(shù)據(jù)指標區(qū)分為異常排放數(shù)據(jù)集和正常排放數(shù)據(jù)集，還包括：

17、提取預設比例的正常排放數(shù)據(jù)集中的水樣數(shù)據(jù)指標，將該比例的正常排放數(shù)據(jù)集中的水樣數(shù)據(jù)指標并入異常排放數(shù)據(jù)集中。

18、進一步的，所述構建對抗網(wǎng)絡模型，使用正常排放數(shù)據(jù)集進行訓練，得到訓練好的對抗網(wǎng)絡模型，具體包括：

19、構建對抗網(wǎng)絡模型，該對抗網(wǎng)絡模型包括編碼器、解碼器和鑒別器，其中，編碼器用于對輸入的正常排放數(shù)據(jù)集中的各個水樣數(shù)據(jù)指標進行編碼并獲得對應的正常數(shù)據(jù)編碼后結果，解碼器用于對輸入的正常數(shù)據(jù)編碼后結果進行解碼并獲得正常數(shù)據(jù)解碼后結果，鑒別器用于判斷是輸入的數(shù)據(jù)是解碼器生成的正常數(shù)據(jù)解碼后結果還是輸入的正常排放數(shù)據(jù)集中的各個水樣數(shù)據(jù)指標；

20、將正常排放數(shù)據(jù)集中各個水樣數(shù)據(jù)指標和與各個水樣數(shù)據(jù)指標對應的正常數(shù)據(jù)解碼后結果輸入至鑒別器并獲得真實預測結果和虛假預測結果；

21、根據(jù)正常排放數(shù)據(jù)集中各個水樣數(shù)據(jù)指標、與各個水樣數(shù)據(jù)指標對應的正常數(shù)據(jù)解碼后結果、真實預測結果和虛假預測結果采用均方誤差函數(shù)計算獲得編碼損失，依據(jù)編碼損失優(yōu)化編碼器參數(shù)和解碼器參數(shù)；

22、根據(jù)真實預測結果和虛假預測結果采用對數(shù)損失函數(shù)計算獲得對抗訓練損失，依據(jù)對抗訓練損失優(yōu)化鑒別器參數(shù)。

23、進一步的，所述加載訓練好的對抗網(wǎng)絡模型，將異常排放數(shù)據(jù)輸入至訓練好的對抗網(wǎng)絡模型，并獲得指示異常排放數(shù)據(jù)數(shù)據(jù)造假程度的異常分數(shù)，具體包括：

24、將異常排放數(shù)據(jù)集中的各個水樣數(shù)據(jù)指標輸入至訓練好的對抗網(wǎng)絡模型，編碼器用于對輸入的異常排放數(shù)據(jù)集中的各個水樣數(shù)據(jù)指標進行編碼并獲得對應的異常數(shù)據(jù)編碼后結果，解碼器用于對輸入的異常數(shù)據(jù)編碼后結果進行解碼并獲得異常數(shù)據(jù)解碼后結果；

25、根據(jù)輸入的異常排放數(shù)據(jù)集中的各個水樣數(shù)據(jù)指標與對應的異常數(shù)據(jù)解碼后結果計算獲得解碼損失誤差，根據(jù)異常排放數(shù)據(jù)集中各個水樣數(shù)據(jù)指標和與各個水樣數(shù)據(jù)指標對應的異常數(shù)據(jù)解碼后結果輸入至鑒別器獲得的異常排放數(shù)據(jù)集中對應的各個水樣數(shù)據(jù)指標的真實預測結果和虛假預測結果計算獲得對抗訓練損失誤差；

26、依據(jù)解碼損失誤差以及對抗訓練損失誤差計算獲得異常分數(shù)。

27、進一步的，所述根據(jù)異常分數(shù)以獲得水樣數(shù)據(jù)判斷結果，具體包括：

28、獲取異常分數(shù)，所述異常分數(shù)取值范圍為[0,1]，所述異常分數(shù)的分值大小指示水樣造假程度；

29、當異常分數(shù)接近為0時，水樣數(shù)據(jù)造假程度高；

30、當異常分數(shù)接近為1時，水樣數(shù)據(jù)造假程度低。

31、作為本技術的二方面，一種污水排放數(shù)據(jù)造假的識別裝置，包括：

32、獲取模塊，所述獲取模塊用于獲取目標監(jiān)控對象，并對污水排放區(qū)的水樣進行采樣以獲得水樣數(shù)據(jù)指標，對水樣數(shù)據(jù)指標進行預處理，將水樣數(shù)據(jù)指標區(qū)分為異常排放數(shù)據(jù)集和正常排放數(shù)據(jù)集；

33、訓練模塊，所述訓練模塊用于構建對抗網(wǎng)絡模型，使用正常排放數(shù)據(jù)集進行訓練，得到訓練好的對抗網(wǎng)絡模型；

34、評分模塊，所述評分模塊用于加載訓練好的對抗網(wǎng)絡模型，將異常排放數(shù)據(jù)輸入至訓練好的對抗網(wǎng)絡模型，并獲得指示異常排放數(shù)據(jù)數(shù)據(jù)造假程度的異常分數(shù)；

35、輸出模塊，所述輸出模塊用于根據(jù)異常分數(shù)以獲得水樣數(shù)據(jù)判斷結果。

36、作為本技術的三方面，一種電子設備，包括：

37、至少一個處理器、至少一個存儲器和總線；其中，所述處理器和存儲器通過所述總線完成相互間的通信；所述存儲器存儲有可被所述處理器執(zhí)行的程序指令，所述處理器調用所述程序指令能夠執(zhí)行如上述的方法。

38、作為本技術的四方面，一種計算機存儲介質，所述計算機存儲介質用于存儲計算機指令，所述計算機指令使所述計算機執(zhí)行如上述的方法。

39、為了更好地理解和實施，下面結合附圖詳細說明本發(fā)明。