基于大數據的化工工業園區智慧決策平臺研究

王玉 凌財進

摘要：針對現有的化工工業園區管理平臺安全事故報警時間長、缺少突發狀況自動處置能力的問題，提出基于大數據的化工工業園區智慧決策平臺研究。運用邊緣計算技術對化學工業園區所有產業結構數據、商戶信息數據、安全危險點及危險源等多層次、多維度數據進行采集，完成平臺感知層構建;然后運用大數據技術對于采集數據進行處理并儲存，為決策層提供數據依據;采用ACO智慧決策算法對數據庫中歷史決策進行學習，為用戶提供迭代優化后的更為合理的決策策略，以此實現基于大數據的化工工業園區智慧決策平臺構建。經實驗證明，設計平臺的用戶滿意度優于傳統管理平臺。

關鍵詞：大數據：化工工業園;智慧決策平臺

中圖分類號：TQ086;TP274

文獻標識碼：A

文章編號：1001-5922（2020）08-0139-03

Research on Intelligent Decision Platform of Chemical IndustryPark Based on Big Data

WANG Yu，LING Cai-jin

（Fleyuan Polytechnic，Heyuan Guangdong 517000，China）

Abstract ： Aiming at the problems of long alarm time for security accidents in the existing management platform ofchemical industrial parks and lack of automatic handling capability for sudden situations.a research on intelligentdecision-making platform for（chemical industrial parks based on big data is proposed. Use edge computing technol-ogy to collect multi-level and multi-dimensional data of all industnal structure data.merchant information data.safety hazard points and hazard sources in the chemical industrial park，complete the platform perception layer con-struction;then use big data technology to process the collected data and storage，to provide data basis for the deci-sion-making layer;ACO intelligent decision algorithm is used to learn historical decisions in the datahase to pro-vide users with more reasonable decision-making strategies after iterative optimization.so as to realize the construc-tion of intelligent decision-making platform for chemical industrial parks based on big data.Experiments show thatthe user satisfaction of the design platform is better than the traditional management platform.

Key words ： big data;chemical industry park;intelligent decision-making platform

0引言

隨著網絡技術的快速發展，大數據技術正在逐漸成熟，其概念被定義為“從大量的網絡數據中提取出有用的數據進行處理，并且提取到的數據具有一定的關聯關系和分析價值”[1]。大數據核心技術主要分為2大類，一類是處理技術，例如數據挖掘技術、人工智能技術、自動識別技術、數據處理技術、分布式數據庫技術等;另一類是分析技術，例如智能神經網絡算法、云計算技術等，由于大數據技術具有效率高、精度高、使用方便等優點，已經普遍應用到各種信息系統和平臺中。為將此優勢技術應用于園區管理，打造高度數字化的智慧園區，提出基于大數據的化工工業園區智慧決策平臺研究。將大數據技術理念引入到化工工業園區智慧決策平臺中，基于大數據處理全面、深入、高效以及標準化的決策流程，設計開發出一種新的決策平臺，完成化工工業園區的各個決策活動，保證平臺的先進性、可擴展性，以及將平臺的分析決策能力提升到更高的水平。

1基于大數據的化工工業園區智慧決策平臺設計

秉承“用數據參與決策”的設計理念，旨在通過大數據、云計算、智能感知等先進技術，對化工工業園區內各項數據進行高效采集和深度挖掘，實現化工工業園區業務的全面可視化、企業管理智能化感知和園區管理的科學化決策，確立治理優先任務、治理成果及關鍵業務驅動因素的邏輯過程，助力化工工業園區進行決策平臺建造。具體步驟為：首先，建立以大數據服務資源池為基礎架構的超大型決策資源數據中心，即平臺的數據感知層，實現智慧決策服務提供端與接收端之間的數據交換以及統一管理，保證化工工業園區相關決策信息的一致.實現智慧決策平臺內信息的快速響應;其次利用大數據處理技術完成對數據處理層的構建，為平臺決策分析提供數據依據;最后運用ACO智慧決策算法對數據進行分析，計算出符合決策要求的決策策略。

1.1構建大數據信息感知層

感知層作為智慧決策平臺的數據采集層，其主要任務是獲取到化工工業園區所有相關數據。在園區中設置安防攝像頭、安全報警傳感器、化工污染氣體傳感器、粉塵濃度傳感器、數據傳感器、信息采集終端等各種類型的數據采集裝置，以園區廣域網的形式互聯互通，將各數據采集終端的信息集中到園區管理中心，完成大數據信息感知層的物理構建。其中包括傳感器、GIS、GPS技術等，將化工工業園區與互聯網連接起來[2]。由于采集的數據資源復雜多樣，且結構化數據和半結構化數據的采集周期和傳送周期各有所不同，所以在數據采集過程中采用邊緣計算技術，從感知層采集到的繁雜數據中智能提取特定類型的有效信息，對化學工業園區所有產業結構數據、財政收入數據、招商信息數據、稅收數據等各類數據進行解析，實現化工工業園區初始數據的獲取，并實時跟蹤化工工業園區信息動態，及時反饋數據，為數據層的大數據技術應用積累充足的原始數據資料。

1.2構建大數據智能處理層

感知層將采集到的化工工業園區原始數據傳輸到智能處理層，該層作為智慧決策平臺的核心部分，主要負責將原始數據進行處理和存儲。由于原始數據基數較大，且數據格式及數據類型都不盡相同，為此采用大數據技術，對數據進行整合處理，如圖1所示。

大數據技術對原始數據處理分為2個部分，平臺在對內部數據處理時，按照RowKev對數據進行排序，每個數據都有1個指定的RowKey，在創建Row-Key時可以對其最大長度和內容通過二進制字符串進行編制，平臺內所有的數據會根據RowKey進行動態的切分，數據切分后的單位為tablet，標志著數據所屬類型;然后將節分后數據的若干字段進行Column-Group定義，其定義的目的是為后續數據物理存儲提供方便，以此完成大數據技術對原始數據的處理。

數據經過處理后，利用大數據分布式數據庫技術對其進行分類存儲，大數據分布式數據庫共包含5個組件：元數據組件、數據更新組件、靜態數據存儲組件、動態數據存儲組件、數據查詢組件，各個組件描述如表1所示。

大數據分布式數據庫將平臺數據分為動態數據和靜態數據，靜態數據是平臺的基準數據，而動態數據是通過（CAA）組件更新后得到的增量數據[3]。在數據處理完后將所有的基準數據以SStablet稠密格式存儲到CSS組件中，將剩下的增量數據以AAtahle稠密格式存儲到CAA組件中，每1片數據存儲為1個SStablet和AAtahle，將數據儲存到大數據分布式數據庫中，然后為數據查詢組件提供數據依據，以此實現了大數據技術對化工工業園區智慧決策平臺數據的處理和存儲，完成數據層的構建。

1.3構建智能響應決策層

數據層為平臺決策提供充足的數據依據，智能響應決策層是化工工業園區智慧決策平臺的核心，可向用戶提供決策應用服務的重要窗口。為保證平臺高效運轉，設計采用ACO智慧決策算法，該算法分為節點發現階段、反向探測階段、正向加強階段，步驟如下。

第1步：記大數據分布式數據庫集合為T，匯集數據節點集合S，子節點集合為D，假設G為一種聚合信息量，M為決策次數總數，則聚合信息量計算公式如下：

G=M/S

（1）

第2步：假設現需要決策為k，當前子節點的深度為h，學習到的決策策略總數為N，則平臺內被檢索到的決策策略為：

Q=k· h/NG

（2）

將檢索到的決策策略進行排序，綜合考慮信息素強度、聚合信息量，選取出最符合決策條件的策略作為結果輸出。ACO智慧決策算法具有較好的學習能力，能夠主動學習到數據庫中現有的決策策略，根據化工工業園區所有業務決策特點，實現生產、銷售、管理等業務的智能決策，以及對化工工業園區運營管理數據的實時動態監測，進而為園區智能化管理提供數據決策支撐，以此實現基于大數據的化工工業園區智慧決策平臺研究。

通過以上3個層級的軟硬件設計，完成化工園區的智慧決策平臺構建，將園區中的企業管理、安全監控、應急預案、管理數據等多維度信息集成到1個平臺中，實現了數據的一屏展示以及化工園區最為關注的安全突發事件無干預智能應急預案，實現了園區的智慧化管理。

2實驗

2.1實驗設計

為驗證設計平臺的有效性，設計對比實驗。對比項選取了對化工工業園區管理最重要的數據采集速度、安全事故報警時間、應急處置動作時間等3個角度考察平臺的響應速度。實驗抽選了化工工業園區管理人員10名、入駐企業代表20名、園區服務人員15名、園區上級消防、安全、社發、工商、公安等主管部門代表各1名，共同組成50人的評價組，參與試用并給出評價。實驗利用SPSS1軟件（6.5版本）中的Paired-Samples T Test功能，以同步方式記錄并統計實驗結果。實驗環境設置如表2所示。

2.2實驗結果

利用SPSS軟件對此次構建平臺與傳統平臺測試結果記錄，如表3所示。

從表3可以看出，設計平臺在數據采集速度方面略慢于傳統平臺;安全事故報警時間和應急處置時間優于傳統平臺。基于大數據的化工工業園區智慧決策平臺升級完善了園區管理功能，彌補了突發狀況白動處置功能，基本滿足化工工業園區智慧化建設的需求。

3結語

基于大數據的化工工業園區智慧決策平臺優先考慮了化工園區的企業管理、安全防護、減災報警以及突發狀況應急處置預案等關系到園區生命財產安全的關注點，使用GIS地圖的形式立體展示園區內各點位的實時狀況，各項資源數據一目了然，極大地提高了工業園區的智慧化管理水平。由于此次研究時間及個人能力有限，雖然取得了一定的

研究成果，但對智慧決策平臺的研究僅處于實用層面，今后會在智慧決策能力方面進行深入研究，促進大數據技術在智慧決策平臺的推廣應用。

參考文獻

[1]屠佳琪，應鑫迪，丁浩然.基于分布式數據共享機制的高校財務決策分析平臺構建[J].中國教育信息化，2020，35（07）：85-88.

[2]彭鵬，宋爾進.能源企業多能互補運營優化大數據智慧決策平臺規劃研究[J].紅水河，2019，38（02）：65-70.

[3]楊雪平，陳光海，韓晉川.基于大數據的職業教育智慧云平臺教學環境構建[J].職教論壇，2018，47（07）：57-60.

[4]丁鋒，占玉林，黃新利，等.干旱區工業園建設對生態系統服務的影響分析——以新疆米東化工工業園為例[J].河南大學學報（自然科學版），2018，48（05）：565-573.

[5]劉靜，檀輝，張兆海，等.化工工業園區生態化發展研究進展[J].中國人口·資源與環境，2016，26（S1）：172-175.

[6]周亨.化工園區產業鏈模式及可持續管理研究[D].上海：華東理工大學，2016.

收稿日期：2020-05-05

作者簡介：王玉（1983-），女，江西九江人，碩士學位，講師，研究方向：大數據技術與網頁制作。