人工智能辅助环境影响评价

人工智能辅助环境影响评价
摘要：由于我国目前环境评价工作者在环境评价的编制过程中面临着诸多问题，如时间紧、压力大、任务重等，所以将人工智能技术对环境评价编制领域进行辅助，通过人工智能对环境评价的全流程加以归类，并在一定程度上可以减轻工作人员的压力。

为此，本文主要对人工智能辅助环境影响评价展开探讨，希望可以使环境评价编制的质量与精确度有所提升。

关键词：人工智能；环境影响评价；应用
引言
人工智能相对于人类而言，有着极强的工作精度、工作强度以及工作速度，目前已经在自动驾驶、图像识别等诸多领域获得一定的进步。

环境影响评价需要对将要开工的项目依照相关法律法规的要求制定环境评价报告，但从事环境评价的工作人员通常会面临工作时间紧、工作任务繁重等一系列问题，对环境评价从业人员自身的健康造成一定的影响。

同时由于环境评价报告在编制时会出现许多规范性、常识性的工作，如果在人工智能的辅助下，可以有效减轻环境评价工作人员的工作量，让其可以全身心投入到项目的具体内容中，进而使得环境评价报告的质量有所提升，并促进建设项目编制的效率。

一、环境影响评价的意义与现状
60年代末的美国首先兴起环境影响评价技术，目前已经在世界范围内所普及，基于单项要素的环境影响评价技术愈发成熟，但是综合评价技术正在发展进程中。

环境影响评价作为开工项目可行性研究的关键内容，在1979年所出台的《环境保护法》中明确提出建设项目的环境影响评价制度，并且这项工作在我国具有一定的法律强制性，同时也是项目在建设工程中一项必不可少的环节。

伴随着可持续发展战略的全面贯彻，对环境影响评价工作提出了全新的要求，如今的环境评价工作通常依靠于评价工作者的手工完成，对于计算机辅助环境影响评价工作被单项要素评价所涵盖。

就比如国家环保总局所推出的地面水导则环境影响评价辅
助工具，主要是依照单项技术导则中得HJ/2.2与SJ/2.3进行开发的工具，可以是单项因素评价质量有所提高，但是却难以满足急需开工项目分析以及环境综合评价所提出的需求。

因此，在环境影响评价领域中科学、合理应用现代化的计算机技术，既具有一定的学术价值，又拥有较高的应用价值。

二、环境影响评价系统中的难点与关键
（一）评价关键
预测作为环境影响评价中的关键，其预测深度则是环境影响评价的核心。

所以在进行预测工作时需要与实际的开工项目进行紧密联系，因为预测工作拥有一定的工程性，可以借助半结构化的方式对工程分析加以处理，同时对问题加以预测。

（二）评价难点
环境影响评价中的难点则是综合评价。

国内外中目前所应用的综合评价法有矩阵法、图示法、指数法以及网络法，但是这些综合评价法都有较强的局限性，这皆是取决于环境因素的复杂程度以及建设项目的多元化。

需要注意的是，环境要素之间的权重确定是综合评价法中核心所在。

三、人工智能辅助环境影响评价优势与可行性
（一）优势
人工神经网络评价法对于其他各种综合评价法而言，具有三个方面的优势，具体而言：首先，拥有相对较强的自适应能力，可以在一定程度上对权重确定的人为因素进行弱化；其次，拥有一定的容错功能与泛化能力，能够对噪音与尚未完善的数据信息加以处理；最后，人工神经网络可以很好的处理复杂非线性的问题。

由此可见，对环境影响进行综合评价时应用人工神经网络技术，借助三层BP 网络能够有效克服因人为确定权重的困难所造成的影响，该技术是一项理想的评价工具。

（二）可行性
人工智能中的关键分支就是人工神经网络，对于该项技术的研究应追溯与1943年，对于具有不确定因素的复杂问题有着较强的自适应能力与自主学习能力，还具备一定的信息综合能力，人工神经网络在80年代时获得了较大的成绩，所涉及到的领域较为广泛。

在建筑工程的行业中，人工神经网络在人工智能中的应用比较普遍，同时发挥着重要的作用。

近年来，经我国研究表明，人工神经网络通常会在模型辨识、对工程数据信息进行因素分析以及多项指标的综合评价等诸多方面所应用，并已获得显著的成果。

因此，借助人工神经网络辅助环境影响评价是可行的[1]。

四、环境评价智能系统架构
首先，环境评价智能系统的总体架构中主要包括有用户界面，而用户则是指环境评价工作中所涉及到的人员与AI系统专家；所谓的人工智能系统，就是根据环境评价工作的实际内容对知识类型进行区分，构建出详细的感知动作系统、人工神经系统与专家系统；而环境评价数据库与知识库，是需要对知识予以不断的更新，并学习大数据知识。

总体架构为：用户界面（环境评价报告编制人员、环境评价专家、AI专家与环保管理部门）人工智能系统（感知动作系统、人工神经系统以及专家系统）环境评价知识库与数据库。

而环境评价人工智能感知动作系统的架构为：常识性的相关要求准则→自动化的运行程序→结果。

其次，人工神经网络通常是对典型的环境评价案例展开学习，利用BP网络本身的连接权系数加以调整与学习，进一步建构出算法，之后总结归纳经验性的知识，将其变为规范化的知识[2]。

环境评价人工智能中人工神经网络系统的架构为：环境评价案例→人工神经元算法模型→结果。

人工神经网络主要是由许多神经元点构成的系统，该系统将会有三层BP网络作为多指标综合评价的网络模型：第一层被称为输入层，拥有N个节点，作用于输入被评价对象的分指标函数值；第二层叫做隐节点层，其隐节点数的规则并不同意，往往是依照评价对象所确定；第三层则是输出层，拥有一个节点，代表着被评价对象的综合评价指标。

通过已经确定的样本，学习BP网络中的连接权系数，促使人工神经网络可以有效实现特定的输出输入关系，需要注意的是，输出样本与输入样本应该具有一定的权威性，并且应由专家系统对其予以反复的斟酌、确定。

经过充分训练的BP网络，也可以对不是样本集中的输入给出对应的输出，也就是人工神经网络中的泛化特点。

借
助BP神经网络所得到的多项指标综合评价结果，有着极强的信服力，可以在一定程度上克服人为确定权重带来的困难以及随机性所产生的影响，人工神经网络是一种相对智能的综合评价方法[3]。

结束语
总而言之，人工智能技术在环境影响评价工作汇总的常识性工作内容上拥有一定的发展基础，同时也是目前可以大力发展的内容。

逐步开发环境评价中的规范性工作内容，对于有着一定经验性的知识工作时可以适度选择开发，并构建出一套有人工智能作为辅助的且完整的环境影响评价编制系统。

在人工智能辅助下的环境影响评价系统可以对评价工作中出现的人为干扰进行弱化，并减轻环境评价工作的本身的工作强度，保证环境影响评价工作的质量与效率。

参考文献
[1]贾中利.建设项目环境影响评价中存在的问题与对策分析[J].大众标准化,2019(12):31+33.
[2]张永富, 环境影响评价智能化文件管理系统研究. 山西省,山西华瑞鑫环保科技有限公司,2017-04-16.
[3]邓晓红.人工智能技术在建设项目环境影响评价中的应用初探[J].山东环境,2017(04):27.。