为深入贯彻“人工智能+”发展战略，以数智赋能破解生态环境治理痛点难点，市生态环境局于2025年11月举办了首届“生态环境数智化应用场景比赛”，产生一等奖1个、二等奖3个、三等奖5个、优秀奖7个。今日刊载的是优秀奖获奖案例。
化工园区企业排放模式画像与执法应用
上海市生态环境局执法总队
化工园区集聚大量石油化工企业，工艺类型多样、污染物排放特征复杂。面对当前生态环境执法监管要求，传统以现场检查为主的模式，在覆盖范围、连续监管、及时响应等方面均存在局限；同时，规范涉企行政检查对检查频次的刚性约束，对执法方式转型升级提出了更高、更快的要求。
本场景基于大数据与机器学习技术，对化工园区企业排放模式进行画像，识别异常排放线索，可有效提升环境问题发现率、降低现场检查频次，切实强化执法支撑能力，实现执法由“人防为主”向“技防优先”、由“现场检查”向“无感执法”、由“事后惩戒”向“全程防控”的结构性转变。
基于排污许可、自动监测等多源环境数据，融合大数据与机器学习技术，自动、高效、稳定识别排污口时序特征、工况偏离与潜在异常排放情况，为执法部门提供可靠的问题线索、分级预警与成因初判，助力差异化、精细化执法监管。
模型集成三大核心技术：1.将正无标记学习与双重蒙特卡洛模拟结合的RFC模型应用于CEMS排放模式分析，实现了对单个排口特异性“指纹”的自动化学习与异常变化侦测。2.采用线性趋势估算与可变四等分位距法离散分析，有效处理了极端右偏数据的离散筛选问题，提高了输出结果的客观性、准确性。3.分析结果通过自动化算法转化为自然语言，形成数据分布情况图表，实现对排口状况的自动分析、自动生成报告。
图1 整体技术方案
（一）提升执法监管效能
通过系统性地将排放模式分析与数据超标、贴限生产、数据质量等八类常规异常筛查进行深度融合与关联分析，构建了多维度、立体化的污染源异常行为识别体系，大幅提升了发现隐蔽、复杂环境问题线索的能力，形成“数据驱动、智能预警、精准核查”的非现场主动监管新模式。
（二）强化守法能力意识
按照异常线索闭环管理机制，执法部门在核查中对一般性环境问题坚持“指导先行、帮扶跟进”原则，引导企业自查自纠，并视情实施现场执法帮扶。场景在上海化工区的实践应用后，园区异常排污线索数量持续下降，企业环保主体责任意识显著增强，环境管理能力稳步提升。
（三）助力优化营商环境
依托企业排放模式画像结果，实施分级分类执法监管，显著减少对合规企业的现场检查频次，减轻迎检负担；同时推动执法资源向环境风险较高的企业精准配置，强化对违法排污行为的靶向查处，从而为持续优化营商环境提供有力、高效的法治保障。
（一）推广价值
1.落地可行性高：所依托数据为全国重点排污单位的基础性环境信息化资源，获取稳定、覆盖广泛，且核心算法已完成前期实践验证，技术路线成熟、可靠性强。
2.适用范围广泛：场景系统采用模块化架构，其中排放模式学习模型与异常筛查规则库支持按行业特性、排口类型及工况规律开展针对性训练与动态更新，具备跨区域、跨行业快速适配与规模化部署的能力。
3.用户定位清晰：各级生态环境管理部门、执法机构及工业园区环境管理单位为直接应用主体，可切实提升问题识别效率、降低现场核查频次，满足减负增效需求。
（二）未来方向
1.基于历史执法监管应用成效开展闭环评估，持续迭代优化智能分析模型，进一步提升异常识别与成因研判的精准性与可靠性。
2.在现有企业环境数据基础上，有序整合化工园区大气边界站等多源环境监测数据，拓展排放特征刻画维度，提升企业排放模式画像的全面性与准确性。
3.对接本市生态环境移动执法平台，贯通“数据采集—智能分析—执法响应”全链条，构建化工园区企业排放模式动态分析应用场景，增强其实用性与可推广性。
供稿：市绿色低碳数据创新实验室
