國家發(fā)展和改革委員會信息安全專項資金申請報告基于智能化支撐平臺的環(huán)境管理信息化示范項目第PAGEII頁湖北省環(huán)境科學院水、土、氣污染防治支撐平臺建設(shè)方案2017年3月湖北省環(huán)境科學院水、土、氣污染防治支撐平臺第PAGEI頁目錄1 建設(shè)背景 12 建設(shè)需求 12.1 重點水體環(huán)境質(zhì)量與水生態(tài)系統(tǒng)改善及風險管控技術(shù)支撐平臺 12.2 土壤污染防治決策信息支撐平臺 32.3 大氣環(huán)境質(zhì)量改善科技支撐平臺 43 總體設(shè)計方案 44 環(huán)境模型庫建設(shè)方案 64.1 模型庫管理 64.2 水環(huán)境分析模型 64.2.1 數(shù)據(jù)來源 74.2.2 模型庫支撐 74.3 土壤環(huán)境分析模型 104.3.1 數(shù)據(jù)來源 104.3.2 模型庫支撐 104.4 氣環(huán)境分析模型 134.4.1 立體監(jiān)測網(wǎng)絡(luò)數(shù)據(jù)分析 134.4.2 大氣環(huán)境質(zhì)量分析 144.4.3 環(huán)境質(zhì)量預(yù)報預(yù)警 164.4.4 移動源動態(tài)污染排放分析 174.4.5 大氣環(huán)境敏感點識別 185 模型計算引擎建設(shè)方案 195.1 產(chǎn)品組成 205.2 產(chǎn)品功能 225.3 環(huán)境模型應(yīng)用 246 模擬仿真平臺建設(shè)方案 246.1 二維平面模擬仿真 246.2 三維立體場景模擬仿真 266.3 數(shù)據(jù)可視化平臺展現(xiàn) 28湖北省環(huán)境科學院水、土、氣污染防治支撐平臺第1頁建設(shè)背景黨的十八大以來，環(huán)保部門把黨中央、國務(wù)院的決策部署，轉(zhuǎn)化成路線圖和施工圖，以大氣、水、土壤污染治理為重點，堅決向污染宣戰(zhàn)，生態(tài)環(huán)境保護取得積極進展。主要表現(xiàn)在：污染治理進程明顯加快，環(huán)境設(shè)施建設(shè)取得積極成效，農(nóng)村環(huán)境綜合整治進展順利；環(huán)境法治建設(shè)日益加強，加大環(huán)保督政和公開約談力度，從嚴查處企業(yè)環(huán)境違法行為，推動一批突出環(huán)境問題得到解決，地方政府保護環(huán)境的責任意識、排污企業(yè)的守法意識、公眾的監(jiān)督意識穩(wěn)步提升；環(huán)境制度和管理不斷完善，出臺生態(tài)環(huán)境損害責任追究等配套文件，劃定生態(tài)紅線、開展戰(zhàn)略和規(guī)劃環(huán)評、嚴格項目環(huán)評、注重標準引導、推進產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等環(huán)境預(yù)防措施得到強化，綠色環(huán)保觀念日益深入人心。按照加強生態(tài)環(huán)境保護、推進以改善環(huán)境質(zhì)量為核心的思路，要求環(huán)保部門加強對環(huán)境治理效果的直接考核，針對不同環(huán)境要素（水、氣、土壤）推出不同的環(huán)境保護和治理方案，并堅持結(jié)果導向，關(guān)注治理效果，確保環(huán)境保護措施能切實發(fā)揮作用。建設(shè)需求從水、土壤、氣污染防治入手，建立重點水體環(huán)境質(zhì)量與水生態(tài)系統(tǒng)改善及風險管控技術(shù)支撐平臺、土壤污染防治決策信息支撐平臺、大氣環(huán)境質(zhì)量改善科技支撐平臺，支撐湖北省各環(huán)境要素的管理工作。重點水體環(huán)境質(zhì)量與水生態(tài)系統(tǒng)改善及風險管控技術(shù)支撐平臺本項目擬以我省長江流域、漢江中下游流域等重點水體為研究對象，以水環(huán)境質(zhì)量改善和水生態(tài)系統(tǒng)改善為目標，以水環(huán)境風險成因解析和管控定量分析為特色，在現(xiàn)有水環(huán)境質(zhì)量監(jiān)測數(shù)據(jù)、水生生態(tài)數(shù)據(jù)、污染源監(jiān)管數(shù)據(jù)和相關(guān)水文監(jiān)測數(shù)據(jù)、氣象監(jiān)測數(shù)據(jù)的基礎(chǔ)上，利用水質(zhì)模型模擬、水環(huán)境承載力測算和大數(shù)據(jù)分析等先進技術(shù)，實現(xiàn)對我省重點流域水環(huán)境質(zhì)量和水生態(tài)現(xiàn)狀的評價分析，水質(zhì)污染的風險管控和解析，水質(zhì)變化的預(yù)測和預(yù)警，不同污染防治規(guī)劃方案的情景分析，重點水體水環(huán)境容量的計算和分配，突發(fā)污染事件的應(yīng)急決策等功能，擬用三年時間，建成我省重點水體環(huán)境質(zhì)量與水生態(tài)系統(tǒng)改善及風險管控解析技術(shù)支撐平臺。1.水質(zhì)模型綜合管理建立水質(zhì)模型庫的管理子系統(tǒng)，集成成熟的水質(zhì)數(shù)值模型，根據(jù)水體現(xiàn)狀確定模型參數(shù)、水質(zhì)參數(shù)、計算方法，研建地表水的水質(zhì)數(shù)值模型。并將各水質(zhì)模型集成化管理，實現(xiàn)動態(tài)模擬水環(huán)境的時空變化規(guī)律。2.水質(zhì)污染模擬及事故預(yù)警通過分析研究對象的潛在風險源，選取重點潛在風險污染物，模擬突發(fā)性水質(zhì)污染事故的潛在風險污染物擴散遷移，動態(tài)顯示事故的發(fā)展過程。1、突發(fā)性水環(huán)境污染事故應(yīng)急模擬。根據(jù)突發(fā)性水環(huán)境污染事故發(fā)生的位置、污染物的種類以及污染物進入水體的方式，通過系統(tǒng)提供的不同事故模擬項目的建立方式，快速進行污染物擴散的應(yīng)急模擬分析。2、污染時間趨勢模擬分析及預(yù)警。對同一位置某時期范圍內(nèi)污染擴散情況進行模擬，當污染模擬數(shù)據(jù)超過標準值時進行提示報警。3、污染沿程模擬分析及預(yù)警。對同一時間不同位置污染擴散情況進行模擬，當污染模擬數(shù)據(jù)超過標準值時進行提示報警。4、應(yīng)急處理措施對比分析。模擬不同應(yīng)急處理措施實施后可能產(chǎn)生的效果，對比不同措施間的治理效果。5、排放標準預(yù)期實施效果評估。模擬排放標準實施后可能產(chǎn)生的效果，評估標準實施的必要性。3.達標系統(tǒng)方案效能評估建立我省重點水體水環(huán)境質(zhì)量達標系統(tǒng)方案效能評估體系（體現(xiàn)“一水一策”，其工作任務(wù)隨水環(huán)境質(zhì)量改善情況進行動態(tài)調(diào)整），尤其是對長江、漢江、清江等流域，要進行中長期污染防治措施環(huán)境效益的分析，模擬達標系統(tǒng)方案、規(guī)劃、措施實施后可能產(chǎn)生的效果，對比不同方案間的治理效果，探尋最佳管理措施。4.水環(huán)境容量核算及承載力分析1、測算主要水體水環(huán)境容量，根據(jù)容量測算結(jié)果倒推污染控制管理目標，合理分配各區(qū)域水體環(huán)境容量。2、預(yù)測區(qū)域需水量，評價水資源供給的安全性及用水的合理性，提出水資源配置方案。5.水生態(tài)系統(tǒng)風險管控計算水生態(tài)系統(tǒng)各項特征指標，通過分析水生態(tài)系統(tǒng)的干擾因素，對生態(tài)風險進行評估，模擬水生態(tài)系統(tǒng)演化趨勢。1、水生態(tài)風險評估。分析水生態(tài)系統(tǒng)及其組分的風險源，預(yù)測風險出現(xiàn)的概率及其可能的負面效果和影響強度。2、水生態(tài)系統(tǒng)演化趨勢模擬分析及預(yù)警。分析和計算水生態(tài)系統(tǒng)各項功能指標，分析演化趨勢并給出退化閾值，當超過閾值時進行預(yù)警。3、風險控制措施對比分析。模擬不同風險控制措施實施后可能產(chǎn)生的效果，對比不同措施間的優(yōu)勢和劣勢。4、水生態(tài)系統(tǒng)改善措施對比分析。模擬不同改善措施實施后可能產(chǎn)生的效果，對比不同措施間的優(yōu)勢和劣勢。土壤污染防治決策信息支撐平臺（1）建立土壤污染診斷子系統(tǒng)建立土壤污染診斷子系統(tǒng)，根據(jù)調(diào)查地塊各點位不同深度土壤污染物的實驗室分析數(shù)據(jù)，形成調(diào)查地塊污染物分布模型，并計算出土壤單因子污染或復(fù)核污染的污染程度、污染范圍、污染土量，最終實現(xiàn)土壤污染診斷。（2）建立土壤監(jiān)測點位信息管理子系統(tǒng)建立土壤監(jiān)測點位信息管理子系統(tǒng)，對每一個農(nóng)用地和重點行業(yè)企業(yè)用地開展的土壤環(huán)境質(zhì)量調(diào)查監(jiān)測點形成獨立可識別的二維碼，并將監(jiān)測點位相關(guān)信息錄入系統(tǒng)，實現(xiàn)通過子系統(tǒng)APP掃碼即可獲得監(jiān)測點位相關(guān)信息，為后期監(jiān)測復(fù)核工作提供支撐。錄入的監(jiān)測點位信息包括：監(jiān)測點編號、所在重點區(qū)域類型、所在重點區(qū)域名稱、所在重點區(qū)域位置、所在重點區(qū)域中心點經(jīng)緯度、拐點經(jīng)緯度、監(jiān)測點經(jīng)緯度、所在重點區(qū)域主導上風向、周邊敏感目標類型、敏感目標經(jīng)緯度、監(jiān)測點八方位照片圖、監(jiān)測點采樣深度、采集樣品個數(shù)、樣品采集現(xiàn)場記錄以及鉆孔記錄等。大氣環(huán)境質(zhì)量改善科技支撐平臺在現(xiàn)有污染源普查數(shù)據(jù)、排放清單數(shù)據(jù)、環(huán)境質(zhì)量監(jiān)測數(shù)據(jù)、工業(yè)源排放數(shù)據(jù)和氣象數(shù)據(jù)等數(shù)據(jù)平臺基礎(chǔ)上，構(gòu)建湖北省大氣環(huán)境質(zhì)量改善科技支撐平臺，2017-2019年主要工作任務(wù)如下：(1)網(wǎng)格化的大氣污染物排放特征分析和交互傳輸矩陣數(shù)據(jù)庫建立（收集污染物排放數(shù)據(jù)并網(wǎng)格化處理（在常規(guī)污染物數(shù)據(jù)基礎(chǔ)上，補充我省VOCs、移動源污染物、揚塵等特殊因子），獲取分行業(yè)和分指標的網(wǎng)格化污染排放數(shù)據(jù)，分析小尺度下污染物排放、擴散及交互影響特征）；(2)重點城市環(huán)境空氣質(zhì)量達標系統(tǒng)方案及效能評估體系（體現(xiàn)一城一策，工作任務(wù)隨環(huán)境質(zhì)量改善情況進行動態(tài)調(diào)整）；(3）重污染天氣精準應(yīng)對方案與措施（細化全省和各地的重污染天氣應(yīng)急方案，實現(xiàn)精細化的應(yīng)急措施制定）；(4）湖北省大氣污染風險分析及應(yīng)急處置（開展湖北省重點工業(yè)園區(qū)及企業(yè)大氣污染風險評估，構(gòu)建全省大氣污染風險地圖，制定重大污染事件下的應(yīng)急處置措施）；(5）大氣環(huán)境承載力分析與污染物減排任務(wù)最優(yōu)分解方案研究（測算全省大氣環(huán)境容量，分析環(huán)境承載力，健全排污權(quán)交易制度，制定污染物減排任務(wù)最優(yōu)分配方案）?？傮w設(shè)計方案根據(jù)環(huán)科院水、土、氣污染防治支撐平臺建設(shè)需求，從數(shù)據(jù)采集輸入、模型計算、模型管理、模型效果展示幾個方面進行設(shè)計，總體設(shè)計框架如下所示：如上圖所示，環(huán)境科學水、土、氣污染防治支撐平臺總體設(shè)計架構(gòu)分為4個層次：數(shù)據(jù)采集層數(shù)據(jù)采集層提供了完善的數(shù)據(jù)交換平臺，提供數(shù)據(jù)的收集整理，并按照科學模型計算所需的格式進行輸入，面向模型庫提供基礎(chǔ)數(shù)據(jù)服務(wù)。模型庫匯集了常用的水、土壤、大氣分析模型，包括水EFDC模型：環(huán)境流體動力學模型；WASP模型：水質(zhì)分析模擬程序；氣AERMOD模型：一種穩(wěn)定狀態(tài)煙羽模型；CALPUFF模型：非定常三維拉格朗日煙團輸送模式；SMOKE排放源處理模型；CMAQ模型：多尺度空氣質(zhì)量模型等；土壤分析模型EPIC：土壤可蝕性評價模型；WEPP：新一代土壤水蝕預(yù)測模型等。支持新建模型和模型更新、參數(shù)校準功能。模型計算采用東軟集團SaCa系列產(chǎn)品SaCaRealRec進行模型計算，SaCaRealRec產(chǎn)品定位于大型數(shù)據(jù)科學平臺，致力于提高構(gòu)建智能應(yīng)用的能力以及效率，簡化復(fù)雜機器學習算法的使用成本。利用SaCaRealRec可以對環(huán)境模型進行快速計算，提高模型應(yīng)用效率。模擬仿真對模型的計算結(jié)果提高多種方式仿真模擬展示，包括二維平面模擬仿真（基于ArcGis平臺）；三維立體場景模擬仿真（基于skyline平臺）；數(shù)據(jù)可視化平臺展現(xiàn)（基于SaCaDataViz平臺）。實現(xiàn)模型計算結(jié)果的形象展現(xiàn)和說明，給模型使用者直觀真切的感受，有利于做出判斷和決策。環(huán)境模型庫建設(shè)方案模型庫管理模型庫管理功能包括模型的定義、組合、存儲和調(diào)用，對環(huán)境模型進行分類，支持模型的更新，支持模型參數(shù)矯正，提供多種查詢方式，為環(huán)境數(shù)據(jù)科學分析提供技術(shù)支撐。（1）模型選擇從水、土壤、氣環(huán)境模型中分別抽取能決定模型適用范圍、復(fù)雜程度的若干技術(shù)參數(shù)，并用這些參數(shù)組件模型關(guān)系，實現(xiàn)GIS和文本技術(shù)參數(shù)查詢、檢索和選擇所需的環(huán)境模型。（2）數(shù)據(jù)管理應(yīng)用GIS進行各類空間數(shù)據(jù)和屬性數(shù)據(jù)的輸入、管理、并根據(jù)模型選擇的結(jié)果將這些數(shù)據(jù)轉(zhuǎn)換成相應(yīng)模型能利用的數(shù)據(jù)形式。通過GIS內(nèi)部調(diào)用模型進行必要運算，并將運算結(jié)果返回到GIS中進行顯示、查詢、輸出。由于所有數(shù)據(jù)都統(tǒng)一在GIS中管理，不同模型可以共享同一數(shù)據(jù)源，避免了數(shù)據(jù)重復(fù)輸入造成的數(shù)據(jù)冗余和相互差異，模型間也可以相互比較。（3）操作界面由于GIS內(nèi)部調(diào)用環(huán)境模型，避免了用戶與環(huán)境模型的直接接觸，GIS界面成為同類模型的共同界面，保持了同類模型應(yīng)用風格的一致性。水環(huán)境分析模型利用大數(shù)據(jù)技術(shù)，通過業(yè)務(wù)規(guī)則和業(yè)務(wù)模型的建立，對環(huán)境監(jiān)測和監(jiān)管數(shù)據(jù)進行深入挖掘，加強監(jiān)測數(shù)據(jù)的綜合管理和關(guān)聯(lián)分析能力建設(shè)，從而發(fā)現(xiàn)流域及環(huán)境管理中存在的問題或風險，同時在“以問題為導向”的建設(shè)原則指導下，選用滿足需求、應(yīng)用成熟的水動力模型、水質(zhì)模型，并集成數(shù)據(jù)處理、GIS等技術(shù)，為水質(zhì)監(jiān)測預(yù)警、水污染防治規(guī)劃的編制等的制定提供技術(shù)支撐，為水環(huán)境管理提供全面、及時、科學的管理和決策依據(jù)。數(shù)據(jù)來源系統(tǒng)所需數(shù)據(jù)包括環(huán)保系統(tǒng)及水利廳、海洋與漁業(yè)廳的水質(zhì)監(jiān)測數(shù)據(jù)、污染源監(jiān)測數(shù)據(jù)以及水文、氣象、河道空間等建立水質(zhì)模型等數(shù)據(jù)。模型庫支撐流域水環(huán)境綜合分析需要加強環(huán)境質(zhì)量數(shù)據(jù)與污染排放數(shù)據(jù)關(guān)聯(lián)分析能力建設(shè)，并根據(jù)水質(zhì)預(yù)測預(yù)警及流域環(huán)境污染防治決策支撐的需要建立水質(zhì)模型庫，集成多個成熟的水質(zhì)數(shù)值模型，包括機理模型和黑箱模型，并將模型與系統(tǒng)平臺進行數(shù)據(jù)集成，將模型包裝成模型計算服務(wù)，為水質(zhì)預(yù)測預(yù)警、水環(huán)境容量動態(tài)測算、污染防治規(guī)劃方案情景模擬、污染物超標擴散模擬等功能提供服務(wù)，實現(xiàn)污染負荷、水文氣象等數(shù)據(jù)的自動輸入以及模擬結(jié)果的自動解析。從水質(zhì)模型結(jié)構(gòu)上，可以將水質(zhì)數(shù)學模型分為白箱和黑箱兩大類。白箱模型屬于機理模型，它建立在模型變量的運動規(guī)律及其理論推理的基礎(chǔ)之上，白箱模型通常通過邏輯演繹建立，從理論上講，白箱模型是普遍適用的模型；黑箱模型屬于經(jīng)驗?zāi)Ｐ?，它的基礎(chǔ)是反映事物客觀變化的數(shù)據(jù)，根據(jù)數(shù)據(jù)反映的規(guī)律通過統(tǒng)計建立反映這些數(shù)據(jù)之間的關(guān)系的表達式。EFDC模型：環(huán)境流體動力學模型環(huán)境流體動力學模型，簡稱EFDC模型(EnvironmentalFluidDynamicsComputerCode)是由美國Virginia海洋研究所的Hamrick等根據(jù)多個數(shù)學模型集成開發(fā)研制的綜合模型，現(xiàn)在是美國環(huán)保署(EPA)推薦使用的模型。該模型是一個多任務(wù)、高集成的環(huán)境流體動力學模塊式計算程序包，用于模擬水系統(tǒng)一維、二維和三維流場、物質(zhì)輸送（包括溫、鹽、非粘性和粘性泥沙的輸送）、生態(tài)過程及淡水入流。其模擬范圍為：河口、河流、湖泊、水庫、濕地以及自近岸到陸架的海域。可以同時考慮風、浪、潮、徑流的影響，并可同步布設(shè)水工建筑物。該模型到目前為止已經(jīng)用于幾十個海域的相關(guān)計算，得到廣泛的應(yīng)用，被譽為21世紀最有發(fā)展前途的環(huán)境流體動力學模型。采用該數(shù)學模型對本工程海域潮流場進行模擬計算，計算中采用水平方向上的變笛卡爾正交坐標與垂直方向上的Sigma坐標相結(jié)合以及三維數(shù)學模型二維化的方法。WASP模型：水質(zhì)分析模擬程序WASP(Thewaterqualityanalysissimulationprogram,水質(zhì)分析模擬程序)是EPA推薦使用的水質(zhì)模型軟件，使用較為廣泛，能夠模擬河流、湖泊、水庫、河口等多種水體的穩(wěn)態(tài)和非穩(wěn)態(tài)的水質(zhì)過程。DR-WQM模型：河流突發(fā)性水污染事故的簡化模型針對園區(qū)廢水的需求特點，東軟開發(fā)了一種河流突發(fā)性水污染事故的簡化模型（以下簡稱：DR-WQM模型），采用有限差分方法中的四點隱式差分格式進行數(shù)值求解。土壤環(huán)境分析模型整合土壤環(huán)境狀況歷史數(shù)據(jù)與實時數(shù)據(jù)、污染場地環(huán)境風險數(shù)據(jù)、國控及省控土壤重點監(jiān)控企業(yè)排放數(shù)據(jù)、重點行業(yè)企業(yè)污染地塊信息等。同時，采用主成分分析、污染指數(shù)法、層次分析法等分析統(tǒng)計方法對土壤環(huán)境數(shù)據(jù)進行多種組合分析和生態(tài)風險評估，并借助3S（RS、GIS、GPS）技術(shù)和已有的基礎(chǔ)地理信息修復(fù)和優(yōu)化土壤圖件。數(shù)據(jù)來源土壤環(huán)境分析系統(tǒng)所需數(shù)據(jù)包括土壤污染狀況詳查、土壤環(huán)境質(zhì)量例行監(jiān)測、土壤環(huán)境日常監(jiān)管執(zhí)法系統(tǒng)、國控和省控土壤重點監(jiān)控企業(yè)清單、地理信息和相關(guān)屬性數(shù)據(jù)，以及國土、農(nóng)業(yè)、林業(yè)、住建等外廳局有關(guān)部門的土壤環(huán)境監(jiān)測和調(diào)查數(shù)據(jù)。模型庫支撐土壤環(huán)境監(jiān)測數(shù)據(jù)分析的應(yīng)用支撐包括統(tǒng)計分析方法以及土壤圖件修復(fù)優(yōu)化。土壤數(shù)據(jù)分析方法包括主成分分析法、污染指數(shù)法、富集因子法、潛在生態(tài)危害指數(shù)法、污染程度法、模糊數(shù)學綜合判斷法、灰色聚類法等。目前主成分分析法已在水、土壤等環(huán)境介質(zhì)中的污染物評價以及環(huán)境介質(zhì)質(zhì)量的評價中有所應(yīng)用。污染指數(shù)法主要用于評價分析土壤中的重金屬污染物，具有一定的客觀性和可比性，易于計算。污染指數(shù)法評價模型包含單因子污染指數(shù)法和綜合污染指數(shù)法。灰色聚類法將土壤污染狀況按照不同分級標準采用白化隸屬函數(shù)在閉區(qū)間連續(xù)取值進行評價，為開展土壤重金屬污染評價、特定區(qū)域的土壤防治以及農(nóng)田生態(tài)系統(tǒng)保護工作等提供科學依據(jù)。模糊數(shù)學法是研究和處理模糊現(xiàn)象的定量化分析方法，結(jié)合遙感數(shù)據(jù)和GIS技術(shù)可以建立土壤的pH值、有機質(zhì)、全氮等土壤肥力多指標評價模型，分析土壤肥力空間分布。模糊數(shù)學發(fā)在土壤綜合指標的評價中具有簡便可行性。基于GIS技術(shù)，將計算的各個采樣點數(shù)據(jù)的評價指數(shù)，使用表面功能來表示連續(xù)分布的空間上的污染情況，從而生成可視化程度較高的針對不同污染物的的土壤污染評價圖。重金屬元素的空間分布及污染程度模型運用模型求出各區(qū)域各金屬相對于背景平均值的比值作為金屬污染程度，再求出各區(qū)域重金屬污染程度，并將各區(qū)進行比較。之后，我們加上各重金屬的毒性，對各重金屬求出權(quán)數(shù)，再結(jié)合國標重金屬污染等級和已知的各組數(shù)據(jù)來確定金屬的污染程度。各金屬元素的平均濃度重金屬元素污染程度EPIC：土壤可蝕性評價模型土壤侵蝕和生產(chǎn)力影響估算模型EPIC是一種較有影響的農(nóng)田生產(chǎn)管理和水土資源評價模型。土壤侵蝕和生產(chǎn)力影響估算模型EPIC（Erosion－ProductivityImpactCalculator）（Williams等，1984）是美國研制的一種基于“氣候－土壤－作物－管理”綜合連續(xù)系統(tǒng)的動力學模型，可以評價土壤侵蝕對土壤生產(chǎn)力的影響，用來估計農(nóng)業(yè)生產(chǎn)和水土資源管理策略的效果。EPIC模型由氣象模擬、水文學、侵蝕泥沙、營養(yǎng)循環(huán)、農(nóng)藥殘留、植物生長、土壤溫度、土壤耕作、經(jīng)濟效益和植物環(huán)境控制等模塊組成，包含了三百多個數(shù)學方程。WEPP：新一代土壤水蝕預(yù)測模型WEPP是美國農(nóng)業(yè)部組織力量開發(fā)的新一代土壤侵蝕預(yù)測預(yù)報模型。該模型是一個獨立的計算機應(yīng)用軟件，具有良好的操作界面。運用該模型可以對坡地、末端小流域的侵蝕和水文過程進行模擬、預(yù)測、預(yù)報。模型既可對單一的降雨過程進行分析,也可對一定時間周期內(nèi)的侵蝕和水文過程進行分析,并且可用數(shù)據(jù)、圖形和曲線等形式輸出運行結(jié)果。氣環(huán)境分析模型包括立體監(jiān)測網(wǎng)絡(luò)數(shù)據(jù)分析、大氣環(huán)境質(zhì)量大數(shù)據(jù)分析、環(huán)境質(zhì)量預(yù)警預(yù)報、移動源動態(tài)污染排放、大氣環(huán)境敏感點識別，通過立體監(jiān)測網(wǎng)絡(luò)數(shù)據(jù)分析與布點優(yōu)化、大氣環(huán)境質(zhì)量數(shù)據(jù)的大數(shù)據(jù)分析、空氣質(zhì)量預(yù)警預(yù)報技術(shù)提高、移動源高分辨率動態(tài)排放清單建立以及大氣環(huán)境敏感點的識別，為大氣環(huán)境管理提供豐富的數(shù)據(jù)、專業(yè)的分析以及科學的的決策支持。立體監(jiān)測網(wǎng)絡(luò)數(shù)據(jù)分析通過接入空氣質(zhì)量自動監(jiān)測站、超級站、微型或小型空氣站點等儀器設(shè)備構(gòu)成的立體監(jiān)測網(wǎng)絡(luò)。引入先進模型和技術(shù)，利用多源數(shù)據(jù)融合技術(shù)及云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù)，完善環(huán)境質(zhì)量的動態(tài)監(jiān)測、統(tǒng)計分析與評估預(yù)警、綜合研判，優(yōu)化空氣質(zhì)量監(jiān)測站點的選擇和布設(shè)，使得環(huán)保部門能夠深入研究大氣環(huán)境的情況，探索出解決大氣污染問題的新方法、新思路，進而采取針對性改進措施避免大氣污染情況的發(fā)生，為人們的生產(chǎn)生活營造良好的大氣環(huán)境。數(shù)據(jù)來源系統(tǒng)所需數(shù)據(jù)包括空氣質(zhì)量自動監(jiān)測數(shù)據(jù)，空氣質(zhì)量自動監(jiān)測數(shù)據(jù)來自國控、省控等監(jiān)測站點的環(huán)境空氣自動監(jiān)測小時數(shù)據(jù)、日數(shù)據(jù)以及空氣質(zhì)量傳感器、微型或小型空氣站點等儀器設(shè)備采集的數(shù)據(jù)。應(yīng)用支撐系統(tǒng)的應(yīng)用支撐包括空氣質(zhì)量自動監(jiān)測設(shè)備、空氣質(zhì)量傳感器、微型或小型空氣站點等監(jiān)測儀器設(shè)備與傳感器。其中，微型或小型空氣站點是一種廣譜型的氣體傳感器，對日常生活中常見的氣體，如顆粒物、臭氧、揮發(fā)性氣體等都具極高的靈敏度，按構(gòu)成傳感器的材料可分為半導體和非半導體兩大類。微型或小型空氣站點能夠滿足人類對小氣候環(huán)境下的空氣質(zhì)量進行實時監(jiān)測的趨勢和要求，可實時監(jiān)測并遠傳空氣質(zhì)量參數(shù)。除了硬件設(shè)備支撐外，為了更好的展現(xiàn)立體監(jiān)測網(wǎng)絡(luò)數(shù)據(jù)分析結(jié)果，需要以地理信息系統(tǒng)（ArcGIS）作為軟件支撐，從而實現(xiàn)在GIS地圖上更加直觀的分析展示。模型算法采用SaCaRealRec提供的大數(shù)據(jù)分析模型。大氣環(huán)境質(zhì)量分析系統(tǒng)整合氣象預(yù)報和實況數(shù)據(jù)、污染源數(shù)據(jù)、空氣質(zhì)量預(yù)報數(shù)據(jù)、社會經(jīng)濟以及衛(wèi)星遙感等各類型大氣環(huán)境質(zhì)量相關(guān)數(shù)據(jù)，并采用相關(guān)性分析、聚類分析等多種數(shù)學方法，對數(shù)據(jù)進行挖掘分析，并對數(shù)據(jù)進行了時空分析、組分分析、氣象場聚類分析、污染與經(jīng)濟要素關(guān)聯(lián)分析等多種分析，找出數(shù)據(jù)之間的相互關(guān)系，為大氣環(huán)境治理提供充足的數(shù)據(jù)分析支持。數(shù)據(jù)來源系統(tǒng)所需數(shù)據(jù)包括氣象預(yù)報和實況數(shù)據(jù)、污染源排放數(shù)據(jù)、空氣質(zhì)量預(yù)報數(shù)據(jù)、社會經(jīng)濟以及衛(wèi)星遙感等。其中，氣象數(shù)據(jù)來自氣象部門、中央氣象臺、歐洲中心等國內(nèi)外機構(gòu)或互聯(lián)網(wǎng)；污染源數(shù)據(jù)主要來源于環(huán)保部門、交通運輸部門、公安交警部門、船舶海運部門；空氣質(zhì)量預(yù)報數(shù)據(jù)來自系統(tǒng)所建空氣質(zhì)量預(yù)報模式的預(yù)報數(shù)據(jù)；社會經(jīng)濟數(shù)據(jù)來源于統(tǒng)計部門；衛(wèi)星遙感來源于通信部門、氣象部門以及互聯(lián)網(wǎng)。應(yīng)用支撐大氣環(huán)境分析的應(yīng)用支撐包括對比分析、相關(guān)性分析、時空分析、聚類分析、關(guān)聯(lián)分析等多種數(shù)學分析方法。模型算法CMAQ由美國環(huán)保局于1998年6月首次發(fā)布，經(jīng)過十幾年的研究發(fā)展，已經(jīng)更新到5.0.1版本。CMAQ在模擬過程中能將天氣系統(tǒng)中、小尺度氣象過程對污染物的輸送、擴散、轉(zhuǎn)化和遷移過程的影響融為一體考慮，同時兼顧了區(qū)域與城市尺度之間大氣污染物的相互影響以及污染物在大氣中的氣相各種化學過程，包括液相化學過程、非均相化學過程、氣溶膠過程和干濕沉積過程對濃度分布的影響。環(huán)境質(zhì)量預(yù)報預(yù)警利用已有空氣質(zhì)量監(jiān)測站點數(shù)據(jù)，納入衛(wèi)星遙感、激光雷達、飛航監(jiān)測等數(shù)據(jù)，依托數(shù)值預(yù)報模型與統(tǒng)計模型，結(jié)合污染源、氣象、交通流、航空、船運、路網(wǎng)、物流、醫(yī)療健康、人類活動和興趣點等多種數(shù)據(jù)源來實時分析區(qū)域尺度與細粒度的空氣質(zhì)量，指導公眾出行、服務(wù)政府管理，對空氣質(zhì)量的發(fā)展趨勢提出預(yù)測預(yù)警。數(shù)據(jù)來源系統(tǒng)所需數(shù)據(jù)包括空氣質(zhì)量自動監(jiān)測數(shù)據(jù)，空氣質(zhì)量預(yù)報數(shù)據(jù)，衛(wèi)星遙感、激光雷達、飛航監(jiān)測等數(shù)據(jù)，污染源、氣象、交通流、航空、船運、物流、醫(yī)療健康、人類活動和興趣點等多種數(shù)據(jù)，其中空氣質(zhì)量自動監(jiān)測數(shù)據(jù)來自國控、省控等監(jiān)測站點的環(huán)境空氣自動監(jiān)測小時數(shù)據(jù)、日數(shù)據(jù)等；空氣質(zhì)量預(yù)報數(shù)據(jù)來自系統(tǒng)所建空氣質(zhì)量預(yù)報模式的預(yù)報數(shù)據(jù)；氣象數(shù)據(jù)來自氣象局。其他數(shù)據(jù)來自統(tǒng)計或調(diào)研資料。應(yīng)用支撐系統(tǒng)的應(yīng)用支撐包括數(shù)據(jù)同化和Hysplit模型。數(shù)據(jù)同化是一種最初來源于數(shù)值天氣預(yù)報，為數(shù)值天氣預(yù)報提供初始場的數(shù)據(jù)處理技術(shù)，包括4個基本要素：模擬自然界真實過程的動力模型；狀態(tài)量的直接或間接觀測數(shù)據(jù)；不斷將新觀測的數(shù)據(jù)融入過程模型計算中、校正模型參數(shù)、提高模型模擬精度的數(shù)據(jù)同化算法；驅(qū)動模型運行的基礎(chǔ)參量數(shù)據(jù)。模型算法先取得氣象模式的資料和排放源數(shù)據(jù)資料。然后數(shù)據(jù)資料進入多個空氣質(zhì)量預(yù)報模式，分別進行并行計算。最終各個模式產(chǎn)生的結(jié)果，由多模式集合預(yù)報技術(shù)產(chǎn)生預(yù)報結(jié)果。這些預(yù)報結(jié)果會導入到應(yīng)用展示系統(tǒng)中，進行最終的展示發(fā)布和決策分析。移動源動態(tài)污染排放分析針對中國大城市交通排放污染問題，以某個城市為目標城市，建立高時空分辨率的路網(wǎng)交通流預(yù)測模型、基于微觀工況的機動車排放模型和基于路網(wǎng)交通流的動態(tài)排放清單，實現(xiàn)交通源對某個城市環(huán)境空氣質(zhì)量特別是PM2.5、NOx、O3排放貢獻的定量解析。數(shù)據(jù)來源系統(tǒng)所需數(shù)據(jù)包括某個城市機動車的基礎(chǔ)數(shù)據(jù)，包括機動車保有量數(shù)量、累計行駛里程、機動車型分類、道路的車型比例分布、油品控制等靜態(tài)交通流數(shù)據(jù)，道路擁堵狀況、城市交通報告、道路車流拍攝等動態(tài)交通流數(shù)據(jù)，數(shù)據(jù)來自公安交管部門。應(yīng)用支撐系統(tǒng)所需的應(yīng)用支撐為AERMOD模型和地理信息系統(tǒng)。 模型算法AERMOD（AMS/EPAREGULATORYMODEL）模型是由美國國家環(huán)境保護局開始聯(lián)合美國氣象學會組建法規(guī)模式改善委員會在工業(yè)復(fù)合源模型框架的基礎(chǔ)上建立起來的穩(wěn)定狀態(tài)煙羽模型，它以擴散統(tǒng)計理論為出發(fā)點，假設(shè)污染物的濃度分布在一定范圍內(nèi)符合正態(tài)分布，采用高斯擴散公式建立起來的模型。大氣環(huán)境敏感點識別通過開展敏感點分級分類分析，綜合考慮監(jiān)測數(shù)據(jù)、預(yù)測數(shù)據(jù)、影響空氣質(zhì)量達標的關(guān)鍵因素、污染源重點區(qū)域、污染源重點行業(yè)、移動源重點車型等因素，運用數(shù)據(jù)挖掘、認知計算等數(shù)學方法，建立大氣環(huán)境敏感點識別規(guī)則庫，從而有效識別出不同級別的大氣環(huán)境敏感點，并以此為依據(jù)采取有針對性的大氣環(huán)境防治措施，進一步提高大氣環(huán)境質(zhì)量。數(shù)據(jù)來源大氣環(huán)境敏感點識別所需數(shù)據(jù)來自大氣環(huán)境綜合分析模塊中的大氣環(huán)境質(zhì)量綜合分析、大氣環(huán)境規(guī)劃大數(shù)據(jù)分析、大氣污染溯源分析、大氣質(zhì)量達標管理系統(tǒng)等分析結(jié)果數(shù)據(jù)。應(yīng)用支撐大氣環(huán)境敏感點識別所需應(yīng)用支撐包括數(shù)據(jù)挖掘、認知計算等多種數(shù)學方法。模型算法采用SaCaRealRec提供的大數(shù)據(jù)分析模型。模型計算引擎建設(shè)方案采用SaCaRealRec數(shù)據(jù)科學平臺作為模型計算引擎，SaCaRealRec產(chǎn)品定位于企業(yè)級數(shù)據(jù)科學平臺，致力于讓每一個企業(yè)都能擁有自己的數(shù)據(jù)研究院，從而能夠提高企業(yè)構(gòu)建智能應(yīng)用的能力以及效率，簡化復(fù)雜機器學習算法的使用成本，從而幫助企業(yè)實現(xiàn)數(shù)據(jù)驅(qū)動的商業(yè)模式。SaCaRealRec數(shù)據(jù)科學平臺是聚焦大數(shù)據(jù)智能戰(zhàn)略的分析挖掘平臺及服務(wù)。整個系統(tǒng)基于分布式批處理框架、分布式內(nèi)存處理框架、分布式流數(shù)據(jù)實時框架以及大規(guī)模機器學習算法庫等大數(shù)據(jù)科學相關(guān)技術(shù)，提高企業(yè)構(gòu)建智能應(yīng)用的能力及效率，簡化復(fù)雜機器學習算法的使用成本，從而幫助用戶實現(xiàn)數(shù)據(jù)驅(qū)動的價值體現(xiàn)。產(chǎn)品組成SaCaRealRec致力于提供簡單易用的預(yù)測分析平臺，通過流程化的WebUI大大降低大數(shù)據(jù)挖掘的使用成本，使得每一個平凡的軟件工程師都能夠利用精妙的數(shù)學模型以及大數(shù)據(jù)處理技術(shù)構(gòu)建自有模型來解決當今環(huán)境科學面臨的具有挑戰(zhàn)的問題。整個數(shù)據(jù)科學平臺由SaCaRealRecCore基礎(chǔ)分析平臺、SaCaRealRecFeature多維特征分析、SaCaRealRecNotebook可視化模型構(gòu)建平臺、SaCaRealRecGraph圖挖掘平臺，SaCaRealRecDeep深度學習平臺，SaCaRealRecStream流計算平臺、SaCaRealRecService預(yù)測服務(wù)接口、SaCaRealRecMonitor監(jiān)控管理調(diào)度平臺以及SaCaRealRecTemplate數(shù)據(jù)挖掘流程模庫9個組件。1）SaCaRealRecCore基礎(chǔ)分析平臺SaCaRealRec數(shù)據(jù)科學平臺借助于開源Hadoop&Spark大數(shù)據(jù)生態(tài)系統(tǒng)技術(shù)體系，基于支持橫向擴展的分布式計算架構(gòu)以及分布式層級存儲（支持多種存儲設(shè)備的統(tǒng)一管理包括硬盤、SSD以及內(nèi)存等），能夠?qū)Ａ繑?shù)據(jù)進行大規(guī)模機器學習模型構(gòu)建，有效的解決傳統(tǒng)BI以及分析系統(tǒng)難以對全量數(shù)據(jù)進行建模的問題。2）SaCaRealRecNotebook可視化模型構(gòu)建平臺SaCaRealRec數(shù)據(jù)科學平臺采用最新的Notebook的形式幫助數(shù)據(jù)分析師或者數(shù)據(jù)科學家進行全流程可視化的模型構(gòu)建引導。通過可視化Notebook的形式，SaCaRealRec平臺能夠?qū)?shù)據(jù)科學家所有的操作進行完整的記錄以及展現(xiàn)，所有執(zhí)行過程以及返回的結(jié)構(gòu)都在同一個Notebook進行全面保留，極大的方便數(shù)據(jù)科學家在模型構(gòu)建過程對結(jié)果的反復(fù)校驗以及修改的需求。傳統(tǒng)BI流程圖更加關(guān)注于結(jié)果查看而忽略了數(shù)據(jù)探索過程需要反復(fù)修改調(diào)整問題，傳統(tǒng)BI流程圖的構(gòu)建往往非常復(fù)雜，中間結(jié)果不能直觀查看，導致流程圖構(gòu)建非常困難，而采用Notebook的方式能夠更好的提高模型構(gòu)建效率以及團隊之間的協(xié)作能力。3）SaCaRealRecGraph圖挖掘平臺隨著社交媒體的快速發(fā)展，互聯(lián)網(wǎng)中包含大量的以關(guān)系網(wǎng)絡(luò)形勢存儲的數(shù)據(jù)，這些復(fù)雜的關(guān)聯(lián)網(wǎng)中蘊藏著巨大的價值信息，SaCaRealRecGraph組件支持豐富的圖論算法以及關(guān)系網(wǎng)絡(luò)挖掘方法，例如PageRanking以及標簽傳播算法用來計算關(guān)系網(wǎng)絡(luò)中的關(guān)鍵節(jié)點以及核心Hub。4）SaCaRealRecSQL在線實時分析針對大規(guī)模機器學習場景下，業(yè)務(wù)模型的構(gòu)建之前往往需要復(fù)雜的數(shù)據(jù)預(yù)處理操作對數(shù)據(jù)進行清洗、過濾、抽取等操作，SaCaRealRec數(shù)據(jù)科學平臺支持SQL語言表達形式，支持數(shù)據(jù)分析師以及業(yè)務(wù)人員進行SQL高級語言的交互式查詢，系統(tǒng)會對SQL語言進行解析轉(zhuǎn)化成底層分布式計算邏輯，從而實現(xiàn)對海量數(shù)據(jù)分析查詢達到準實時的性能要求。5）SaCaRealRecFeature多維特征分析數(shù)據(jù)挖掘流程當中其中大部分的工作量都體現(xiàn)在了特征過程階段，數(shù)據(jù)科學家需要對原始數(shù)據(jù)進行不同方式的特征轉(zhuǎn)換方法，SaCaRealRec數(shù)據(jù)科學平臺為數(shù)據(jù)科學家提供了靈活的準實時多維分析功能，支持類SQL以及UDF（自定義函數(shù)）的混合查詢轉(zhuǎn)化過濾方法，大大縮減了特征工程的工作時間。6）SaCaRealRecDeep深度學習隨著人工智能的快速發(fā)展，基于傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)的機器學習算法得到了快速的發(fā)展，深度學習算法借助于分布式計算能力，能夠有效的解決多層神經(jīng)網(wǎng)絡(luò)的學習效率。借助于多隱藏層的深度神經(jīng)網(wǎng)絡(luò)學習算法，深度學習能夠更好的表現(xiàn)非線性關(guān)系，使得預(yù)測結(jié)果的精準度更高。7）SaCaRealRecService預(yù)測服務(wù)接口對于構(gòu)建完成的智能模型，SaCaRealRec數(shù)據(jù)科學平臺提供了多種應(yīng)用部署模式，除了基本的模型導出進行部署以外，平臺支持對已構(gòu)建模型的直接管理以及應(yīng)用部署，從而能夠通過SaCaRealRecService組件提供的RESTful接口直接進行跨平臺預(yù)測調(diào)用，打通了數(shù)據(jù)科學到數(shù)據(jù)工程之間的隔閡。8）SaCaRealRecStream流計算平臺由于外界環(huán)境因素千變?nèi)f化，靜態(tài)的智能模型往往有效性隨著時間的推移而逐漸下降。在下一代的智能應(yīng)用時代，系統(tǒng)需要擁有自適應(yīng)能力的機器學習算法，能夠?qū)Τ掷m(xù)接受的數(shù)據(jù)流進行實時處理，對數(shù)據(jù)挖掘模型中的參數(shù)能夠進行持續(xù)增量更新，達到真正的智能學習模式。9）SaCaRealRecMonitor監(jiān)控管理調(diào)度平臺由于SaCaRealRec數(shù)據(jù)科學平臺采用分布式機器模式支持對海量數(shù)據(jù)的大規(guī)模機器學習模型構(gòu)建，SaCaRealRecmonitor監(jiān)控管理調(diào)度平臺能夠?qū)φ麄€集群的物理狀態(tài)進行監(jiān)控（包括CPU、內(nèi)存、磁盤IO等），同時對模型訓練以及應(yīng)用部署服務(wù)任務(wù)進行全方面管理監(jiān)控，確保整個集群的高效運轉(zhuǎn)。10）SaCaRealRecTemplate數(shù)據(jù)挖掘流程模版庫數(shù)據(jù)挖掘模型的構(gòu)建過程往往依賴于資深的數(shù)據(jù)分析師，而目前很多企業(yè)并不具備這樣的人才儲備。SaCaRealRecTemplate包含了專家構(gòu)建的流程模版，記錄了專家構(gòu)建模型的全流程操作，從而大大降低了企業(yè)在智能應(yīng)用構(gòu)建方面的人才要求。通過流程模版庫中查找跟自己業(yè)務(wù)貼近的模版，能夠直接復(fù)用全流程方法，大大降低使用初期的知識門檻。11）SaCaRealRecUsers多用戶管理平臺數(shù)據(jù)科學平臺提供基于分布式集群模式的B/S應(yīng)用模式，針對多用戶共享同一分布式集群的應(yīng)用場景，SaCaRealRec數(shù)據(jù)科學平臺提供多用戶的單點登錄，數(shù)據(jù)訪問隔離，計算資源多策略分配等管理功能，幫助數(shù)據(jù)科學家團隊能夠高效協(xié)作完成智能應(yīng)用構(gòu)建的任務(wù)。產(chǎn)品功能作為數(shù)據(jù)科學平臺，系統(tǒng)提供了標準的數(shù)據(jù)挖掘流程，包括數(shù)據(jù)采集、特征抽取、模型訓練、評估評測以及部署應(yīng)用五大關(guān)鍵功能。1）數(shù)據(jù)采集支持對所有主流數(shù)據(jù)庫、文件系統(tǒng)以及文本格式的數(shù)據(jù)接入，其中可以直接加載的文本格式包括MicrosoftExcel文件格式、CSV文本格式等。針對海量數(shù)據(jù)的模型構(gòu)建，平臺系統(tǒng)支持對大數(shù)據(jù)生態(tài)系統(tǒng)技術(shù)的對接，其中包括Hadoop的分布式文件系統(tǒng)HDFS、分布式里數(shù)據(jù)庫HBase以及傳統(tǒng)關(guān)系數(shù)據(jù)庫。2）特征分析構(gòu)建一個高效精準的機器學習模型有很大一部分因素取決于特征工程，采集到的原始數(shù)據(jù)包含較多的噪音且維度之間存在依賴關(guān)系造成數(shù)據(jù)的冗余，這些因素都將直接影響后續(xù)模型構(gòu)建的準確性以及時效性，對采集到的原始數(shù)據(jù)需要數(shù)據(jù)科學家在多維分析的基礎(chǔ)上，經(jīng)過過濾、轉(zhuǎn)化、降維等特征抽取流程，能夠有效過濾噪音反應(yīng)樣本的本質(zhì)。SaCaRealRec平臺在特征工程方面提供了對海量數(shù)據(jù)的統(tǒng)計分析、可視化展現(xiàn)功能幫助數(shù)據(jù)科學家分析了解數(shù)據(jù)本質(zhì)、概率分布等特性，通過提供的多種數(shù)據(jù)清洗、轉(zhuǎn)化、降維算法，能夠有效支持不同機器模型的特征抽取的需求以及特征復(fù)用等管理功能，從而大大降低特征工程的開發(fā)成本。3）模型訓練大數(shù)據(jù)分析平臺的核心是高效精準的數(shù)據(jù)挖掘算法庫，SaCaRealRec提供了基于分布式計算框架編寫的高性能大規(guī)模機器算法庫，從而能夠保證對全量數(shù)據(jù)的模型構(gòu)建，避免了傳統(tǒng)分析工具只能利用小數(shù)據(jù)樣本進行機器學習的弊端。系統(tǒng)在用戶體驗方面，提供了全流程可視化操作WebUI，同時支持模型迭代訓練過程的實時可視化展現(xiàn)，能夠?qū)δＰ陀柧氝^程實現(xiàn)全透明管理監(jiān)控，輔助數(shù)據(jù)科學家構(gòu)建高性能精準的挖掘模型。4）評估評測機器學習數(shù)據(jù)挖掘不是“一錘子”能解決問題，需要反復(fù)的迭代實驗，根據(jù)數(shù)據(jù)變化調(diào)整優(yōu)化模型，這些都離不開對模型的有效評估方法。SaCaRealRec支持離線評估和在線評估兩種模型評估手段，簡化模型評估工作，支持評估結(jié)果的可視化展現(xiàn)，讓評估結(jié)果更加易于理解，讓訓練出的模型更匹配業(yè)務(wù)問題。5）部署應(yīng)用相較于傳統(tǒng)商業(yè)智能平臺的機器學習模型所能提供的輔助決策功能，SaCaRealRec大數(shù)據(jù)分析平臺能夠?qū)?gòu)建的智能模型直接進行系統(tǒng)部署應(yīng)用，從輔助決策進化到自動化決策。大數(shù)據(jù)科學家所構(gòu)建的機器學習模型能夠通過云服務(wù)REST接口或者現(xiàn)場POJO應(yīng)用部署，從而能夠在大數(shù)據(jù)科學團隊與數(shù)據(jù)工程團隊之間建立順暢的橋梁，確保智能應(yīng)用的敏捷開發(fā)。環(huán)境模型應(yīng)用通過使用SaCaRealRec數(shù)據(jù)科學平臺對環(huán)境數(shù)據(jù)進行分析、特征提取、環(huán)境建模，實現(xiàn)對水、氣、土壤污染狀況精準預(yù)測的功能，從而能夠環(huán)境政策制定提供數(shù)據(jù)支持?；赟aCaRealRec數(shù)據(jù)科學平臺提供的豐富大規(guī)模機器學習算法庫，通過擴展水、氣、土壤多種模型算法，并通過實踐數(shù)據(jù)進行離線評估比較，運用組合模型進行預(yù)測，其主要流程分為兩步：一是對原始數(shù)據(jù)進行特征抽取工程，基于SaCaRealRec數(shù)據(jù)科學平臺提供的多維特征分析功能組件，對環(huán)境基礎(chǔ)數(shù)據(jù)、監(jiān)測數(shù)據(jù)、模型參數(shù)進行數(shù)據(jù)預(yù)處理，并將連續(xù)數(shù)值處理為離散特征，如“時間”“空間”特征的離散化。二是基于特征抽取過程中構(gòu)建的多維特征向量，結(jié)合環(huán)境模型進行構(gòu)建，基于SaCaRealRec數(shù)據(jù)科學平臺強大的分布式計算能力，為水、氣、土壤環(huán)境構(gòu)建多種組合預(yù)測模型，最終實現(xiàn)大規(guī)模環(huán)境數(shù)據(jù)模擬展現(xiàn)。模擬仿真平臺建設(shè)方案模擬仿真平臺提供對模型計算結(jié)果數(shù)據(jù)的展現(xiàn)方式，支持二維平面模擬仿真（基于ArcGis平臺）；三維立體場景模擬仿真（基于skyline平臺）；數(shù)據(jù)可視化平臺展現(xiàn)（基于SaCaDataViz平臺）。二維平面模擬仿真基于ArcGis平臺構(gòu)建二維平面模擬仿真系統(tǒng)，通過對模型計算結(jié)果的集成，綜合分析評價環(huán)境數(shù)據(jù)。利用GIS的空間分析功能，綜合性地分析建設(shè)項目各種數(shù)據(jù)，幫助確立環(huán)境影響評價模型。結(jié)合GIS系統(tǒng)層的結(jié)構(gòu)，將不同的環(huán)境影響進行計算并疊加。在區(qū)域環(huán)境質(zhì)量現(xiàn)狀評價工作中，將地理信息與大氣、土壤、水等環(huán)境要素的監(jiān)測數(shù)據(jù)