基于XGBoost的企业排污违法概率评估模型  

作　　者：邱文韬 黄楠 李俊 李江华[1] 

机构地区：[1]江西理工大学信息工程学院,江西赣州341000

出　　处：《电脑知识与技术》2023年第22期18-21,共4页Computer Knowledge and Technology

摘　　要：为帮助环保部门监管企业排污违法行为,设计一个能够对企业排污数据进行违法概率评估的模型。基于99家企业的历史排污数据,确定需要监测的排污违法行为,进行数据清洗,使用K-Means和GMM算法对数据进行分类,将预处理后的数据用于构建基于XGBoost算法的排污违法行为概率评估模型,并与随机森林等机器学习算法进行比较,得出XGBoost预测效果优于其他模型的结论。以包含企业排污口编号、污染物种类、浓度、排量等信息的排污数据作为输入数据,正确预测企业污染排放违法行为概率,进而辅助环保部门监管灵活执法,促进生态环境的保护。

关 键 词：XGBoost GMM 污染排放 排污违法行为 

分 类 号：TP181[自动化与计算机技术—控制理论与控制工程]