基于可视化视角的大气污染审计完善建议

作者:网站采编
关键词:
摘要：随着信息技术的快速发展，以物联网、大数据、云计算、移动互联网等为代表的新一代信息技术，特别是大数据的4V（Volume、Variety、Velocity、Value）属性，近年来在大气污染治理中得到越

随着信息技术的快速发展，以物联网、大数据、云计算、移动互联网等为代表的新一代信息技术，特别是大数据的4V（Volume、Variety、Velocity、Value）属性，近年来在大气污染治理中得到越来越广泛的应用，大气污染治理的科技含量越来越高，为大气污染治理积累了海量数据信息。面对巨大的大气污染数据信息，传统验证型审计已无法发现大气污染中的异常线索，大气污染信息处理加工能力不足和信息认知效率低下已经成为制约大气污染审计水平进一步提高的障碍，大数据审计模式成为审计发展的必然趋势。

一、大数据可视化的大气污染审计模式实现

大数据可视化技术是运用数据挖掘、文本挖掘等技术方法，发掘海量数据中隐含的内部规律和隐性知识，并将其变得显性化、透明化和视觉化。大数据可视化技术具有交互性、多维性和可视性特点，可以将不可见情况转换为可见的图象式符号，并从中发现规律性的认知及获得显性知识，还能进一步还原并增强数据中的全局结构和细节呈现，是解决大气污染审计中信息沉余、信息加工处理能力不足和信息认知效率较低等问题的有效方式。对于大数据可视化大气污染审计模式的实现，需要重点关注以下方面。

（一）明确大气污染知识可视化内涵

基于大气污染的大数据可视化技术对于转变大气污染审计工作模式，改变依赖经验和直觉判断的传统验证型审计模式具有重要作用。从分析大气污染审计可视化需求入手，探讨审计可视化系统内涵、特点及结构，明确大气污染大数据审计需求与审计目标实现之间的逻辑关系。

（二）确定大气污染审计中的隐性知识

大气污染具有复合性、跨区域性、治理期限长等特征，PM2.5形成及臭氧复合污染的原因十分复杂，而且大气污染治理与防控还涉及能源结构、产业结构以及社会经济成本等许多领域，影响十分广泛。由于大气污染成因的复杂性以及较高的专业性，在进行大气污染的大数据审计时，充分利用其中的隐性知识就越发重要。应通过分析大气污染隐性知识应用现状，找出大气污染中存在的隐性知识，确定大气污染隐性知识内涵、特性以及与显性知识的关系。在大气污染大数据属性及分类基础上，明确大气污染审计中的隐性知识，奠定开展大气污染审计的知识可视化基础。

（三）大气污染语义网络与隐患主题挖掘

针对大气污染隐性知识挖掘与显性化问题，分析大气污染数据源及其属性，可以利用语义网络、LDA主题挖掘模型实现对大气污染信息之间关联关系和分布规律的可视化展示以及安全隐患主题的挖掘。通过关联分析，在大气污染数据挖掘中确定最佳隐患主题数，并对常见的主题挖掘模型参数估计方法进行比较分析，选取较优的参数估计。

（四）大气污染数据文本分类与危险源关联规则挖掘

可以分别利用最近邻近法或者人工神经网络法等不同的分类算法对大气污染文本数据进行分类实验，对数量巨大的文本型大气污染数据进行有效整合与利用，并在验证每种分类算法分类效果差异与正确分类的基础上，进行关联规则挖掘，以确定大气污染数据挖掘的主要方向。

（五）大气污染时空变动分析

开展大气污染大数据审计需要进行污染的时空规律分析，以提出更好的审计意见。针对大气污染发生的时空变动规律问题，可采用对应分析方法和社会网络分析方法对大气污染发生的时间、空间变化规律进行研究，为大气污染审计排查和隐患治理提供有针对性的对策，并进一步分析大数据可视化对大气污染审计管理决策的影响。通过对比分析不同可视化挖掘算法的优劣，构建大气污染审计可视化方法体系和方法选择模型，以实现可视化结果的审计应用。

（六）数据挖掘过程以及结果的可视化

图1 基于大数据可视化技术的大气污染审计模式架构图

通过对大气污染的大数据审计的系统建模，将源数据、数据类型等信息以可视化的方式呈现给审计人员，这样可在进入正式数据挖掘之前删除无关信息，以更有针对性地开展后续的大气污染审计的数据挖掘。利用数据挖掘过程可视化让审计人员观察数据的来源，数据集成、清理和预处理的过程，可监控算法的运行进程，保证数据挖掘结果的准确性、有效性。通过数据挖掘结果可视化让审计人员更好地进行分析、判断与评估，以便更加有效地利用挖掘结果，服务于审计过程，保证审计质量。

文章来源：《信息技术与信息化》 网址: http://www.xxjsyxxhzz.cn/qikandaodu/2021/0708/1787.html

上一篇：基于信息融合技术有效防治农业面源污染的对策
下一篇：信息技术在水环境监测中的实践应用