一种三稀矿产开发区域的环境影响预测方法及装置

1.本发明涉及环境评价的技术领域，特别是涉及一种三稀矿产开发区域的环境影响预测方法及装置。


背景技术：

2.矿山环境是生态环境的薄弱一环，且随着经济社会的快速发展，矿山开发规模的不断扩大，矿山环境污染的事件越开越频发；开展科学、有效的矿山环境影响评价，既是矿山可持续发展的重要保障，又是对绿色矿山建设的推动。
3.现有中在矿山开发对环境影响进行评价时，普遍都是对矿山开发区域进行样品采样，运用等离子体质谱、等离子体光谱、离子色谱氢化物-原子荧光光谱、冷蒸气-原子荧光光谱等方法对矿区样品中的无机元素、水溶性离子进行分析，得到分析结果，但对于分析结果，并没有定量评估，都是基于人为的经验判断，进一步为稀土矿环境治理及监控提出管理的措施和建议，导致缺乏有效的决策依据，容易造成决策失误；且在对样品进行分析时，所需仪器多且操作复杂，不利于提高环境影响数据的获取效率。
4.因此，对矿山开发区域的环境影响进行定量评估，并提高的环境影响数据的获取效率已成当务之急。


技术实现要素：

5.本发明要解决的技术问题是：提供一种三稀矿产开发区域的环境影响预测方法及装置，实现对三稀矿产开发区域的环境影响等级进行定量预测，并基于预测结果提供对应的治理方案，能为决策提供准确的依据。
6.为了解决上述技术问题，本发明提供了一种三稀矿产开发区域的环境影响预测方法，包括：
7.获取三稀矿产开发区域的历史地质灾害隐患数量，将所述历史地质灾害隐患数量输入到预训练的第一目标预测模型，以使所述第一目标预测模型输出地质灾害隐患预测数量，对所述地质灾害隐患预测数量进行计算处理，得到第一分值；
8.获取三稀矿产开发区域的历史地质灾害预警数量，将所述历史地质灾害预警数量输入到预训练的第二目标预测模型，以使所述第二目标预测模型输出得到地质灾害预警预测数量，对所述地质灾害预警预测数量进行计算处理，得到第二分值；
9.获取三稀矿产开发区域的历史水环境破坏数据，将所述历史水环境破坏数据输入到预训练的第三目标预测模型，以使所述第三目标预测模型输出水环境破坏预测数据，对所述水环境破坏预测数据进行计算处理，得到第三分值；
10.获取三稀矿产开发区域的历史土壤环境破坏数据，将所述历史土壤环境破坏数据输入到预训练的第四目标预测模型，以使所述第四目标预测模型输出土壤环境破坏预测数据，对所述土壤环境破坏预测数据进行计算处理，得到第四分值；
11.整合所述第一分值、所述第二分值、所述第三分值和所述第四分值，得到并基于第
一综合分值，确定所述三稀矿产开发区域的环境影响强度，并根据所述环境影响强度，在预设的环境治理规则中匹配对应的环境治理方案，其中，所述预设的环境治理规则中包括环境影响强度和环境治理方案。
12.本发明提供的一种三稀矿产开发区域的环境影响预测方法，还包括：
13.获取所述三稀矿产开发区域对应的第五分值、第六分值、第七分值和第八分值，根据所述第五分值、所述第六分值、所述第七分值和所述第八分值，得到第二综合分值；其中，所述第五分值、第六分值、第七分值和第八分值是根据所述环境治理方案对所述三稀矿产开发区域进行环境治理后重新获取得到的；
14.根据所述第二综合分值，重新确定所述三稀矿产开发区域的环境影响强度，并所述环境治理规则中重新匹配对应的环境治理方案。
15.本发明提供的一种三稀矿产开发区域的环境影响预测方法，还包括：
16.设置地质灾害隐患评价标准、地质灾害预警评价标准、水环境破坏数据评价标准和土壤环境破坏数据评价标准。
17.在一种可能的实现方式中，根据所述环境影响强度，在预设的环境治理规则中匹配对应的环境治理方案，具体包括：
18.获取所述环境影响强度，当所述环境影响强度为低时，在预设的环境治理规则中匹配环境影响低强度治理方案，当所述环境影响强度为中时，在预设的环境治理规则中匹配环境影响中强度治理方案，当所述环境影响强度为高时，在预设的环境治理规则中匹配环境影响高强度治理方案。
19.在一种可能的实现方式中，第一目标预测模型的预训练过程，具体包括：
20.构建神经网络预测模型；
21.获取所述三稀矿产开发区域中多个历史年份对应的历史地质灾害隐患数量，对所述历史地质灾害隐患数量进行归一化处理，得到历史地质灾害隐患样本数量；
22.以第一历史年份对应的第一历史地质灾害隐患样本数量为模型输入、第二历史年份对应的第二历史地址灾害隐患样本数量作为模型输出训练所述神经网络预测模型，直至模型收敛时，生成第一目标预测模型，其中，所述第一历史年份和所述第二历史年份为相邻年份。
23.在一种可能的实现方式中，将所述历史地质灾害预警数量输入到预训练的第二目标预测模型，以使所述第二目标预测模型输出得到地质灾害预警预测数量，具体包括：
24.获取历史地质灾害预警数量，其中，所述历史地质灾害预警数量包括历史蓝色地质灾害预警数量、历史黄色地质灾害预警数量、历史橙色地质灾害预警数量和历史红色地质灾害预警数量；
25.将所述历史地质灾害预警数量输入到预训练的第二目标预测模型中，以使所述第二目标预测模型输出地质灾害预警预测数量，其中，所述地质灾害预警预测数量包括蓝色地质灾害预警预测数量、黄色地质灾害预警预测数量、橙色地质灾害预警预测数量和红色地质灾害预警预测数量。
26.在一种可能的实现方式中，对所述地质灾害预警预测数量进行计算处理，得到第二分值，具体包括：
27.将所述地质灾害预警预测数量与地质灾害预警临界数量进行比较，若所述地质灾
害预警预测数量少于或等于所述地质灾害预警临界数量，则确认第一预警数量计算结果为所述地质灾害预警预测数量较少，根据所述第一预警数量计算结果，得到第二分值；
28.若所述地质灾害预警预测数量大于所述地质灾害预警临界数量，则计算所述橙色地质灾害预警预测数量和所述红色地质灾害预警预测数量之和在所述地质灾害预警预测数量中的第一占比，若所述第一占比小于预设占比阈值，则确认第二预警数量计算结果为所述地质灾害预警预测数量为一般，根据所述第二预警数量计算结果，得到第二分值；
29.若所述第一占比大于或等于预设占比阈值，则确认第三预警数量计算结果为所述地质灾害预警预测数量为较多，根据所述第三预警数量计算结果，得到第二分值。
30.本发明提供的一种三稀矿产开发区域的环境影响预测装置，包括：地质灾害隐患数量计算模块、地质灾害预警数量计算模块、水环境破坏数量计算模块、土壤环境破坏数据计算模块和环境影响强度确定模块；
31.其中，所述地质灾害隐患数量计算模块，用于获取三稀矿产开发区域的历史地质灾害隐患数量，将所述历史地质灾害隐患数量输入到预训练的第一目标预测模型，以使所述第一目标预测模型输出地质灾害隐患预测数量，对所述地质灾害隐患预测数量进行计算处理，得到第一分值；
32.所述地质灾害预警数量计算模块，用于获取三稀矿产开发区域的历史地质灾害预警数量，将所述历史地质灾害预警数量输入到预训练的第二目标预测模型，以使所述第二目标预测模型输出得到地质灾害预警预测数量，对所述地质灾害预警预测数量进行计算处理，得到第二分值；
33.所述水环境破坏数量计算模块，用于获取三稀矿产开发区域的历史水环境破坏数据，将所述历史水环境破坏数据输入到预训练的第三目标预测模型，以使所述第三目标预测模型输出水环境破坏预测数据，对所述水环境破坏预测数据进行计算处理，得到第三分值；
34.所述土壤环境破坏数据计算模块，用于获取三稀矿产开发区域的历史土壤环境破坏数据，将所述历史土壤环境破坏数据输入到预训练的第四目标预测模型，以使所述第四目标预测模型输出土壤环境破坏预测数据，对所述土壤环境破坏预测数据进行计算处理，得到第四分值；
35.所述环境影响强度确定模块，用于整合所述第一分值、所述第二分值、所述第三分值和所述第四分值，得到并基于第一综合分值，确定所述三稀矿产开发区域的环境影响强度，并根据所述环境影响强度在预设的环境治理规则中匹配对应的环境治理方案，其中，所述预设的环境治理规则中包括环境影响强度和环境治理方案。
36.本发明提供的一种三稀矿产开发区域的环境影响预测装置，还包括：环境影响强度更新模块；
37.所述环境影响强度更新模块，用于获取所述三稀矿产开发区域对应的第五分值、第六分值、第七分值和第八分值，根据所述第五分值、所述第六分值、所述第七分值和所述第八分值，得到第二综合分值；其中，所述第五分值、第六分值、第七分值和第八分值是根据所述环境治理方案对所述三稀矿产开发区域进行环境治理后重新获取得到的；
38.所述环境影响强度更新模块，用于根据所述第二综合分值，重新确定所述三稀矿产开发区域的环境影响强度，并所述环境治理规则中重新匹配对应的环境治理方案。
39.本发明提供的一种三稀矿产开发区域的环境影响预测装置，还包括：评价标准设置模块；
40.所述评价标准设置模块，用于设置地质灾害隐患评价标准、地质灾害预警评价标准、水环境破坏数据评价标准和土壤环境破坏数据评价标准。
41.在一种可能的实现方式中，所述环境影响强度确定模块，用于根据所述环境影响强度，在预设的环境治理规则中匹配对应的环境治理方案，具体包括：
42.获取所述环境影响强度，当所述环境影响强度为低时，在预设的环境治理规则中匹配环境影响低强度治理方案，当所述环境影响强度为中时，在预设的环境治理规则中匹配环境影响中强度治理方案，当所述环境影响强度为高时，在预设的环境治理规则中匹配环境影响高强度治理方案。
43.在一种可能的实现方式中，所述地质灾害隐患数量计算模块中第一目标预测模型的预训练过程，具体包括：
44.构建神经网络预测模型；
45.获取所述三稀矿产开发区域中多个历史年份对应的历史地质灾害隐患数量，对所述历史地质灾害隐患数量进行归一化处理，得到历史地质灾害隐患样本数量；
46.以第一历史年份对应的第一历史地质灾害隐患样本数量为模型输入、第二历史年份对应的第二历史地址灾害隐患样本数量作为模型输出训练所述神经网络预测模型，直至模型收敛时，生成第一目标预测模型，其中，所述第一历史年份和所述第二历史年份为相邻年份。
47.在一种可能的实现方式中，所述地质灾害预警数量计算模块，用于将所述历史地质灾害预警数量输入到预训练的第二目标预测模型，以使所述第二目标预测模型输出得到地质灾害预警预测数量，具体包括：
48.获取历史地质灾害预警数量，其中，所述历史地质灾害预警数量包括历史蓝色地质灾害预警数量、历史黄色地质灾害预警数量、历史橙色地质灾害预警数量和历史红色地质灾害预警数量；
49.将所述历史地质灾害预警数量输入到预训练的第二目标预测模型中，以使所述第二目标预测模型输出地质灾害预警预测数量，其中，所述地质灾害预警预测数量包括蓝色地质灾害预警预测数量、黄色地质灾害预警预测数量、橙色地质灾害预警预测数量和红色地质灾害预警预测数量。
50.在一种可能的实现方式中，所述地质灾害预警数量计算模块，用于对所述地质灾害预警预测数量进行计算处理，得到第二分值，具体包括：
51.将所述地质灾害预警预测数量与地质灾害预警临界数量进行比较，若所述地质灾害预警预测数量少于或等于所述地质灾害预警临界数量，则确认第一预警数量计算结果为所述地质灾害预警预测数量较少，根据所述第一预警数量计算结果，得到第二分值；
52.若所述地质灾害预警预测数量大于所述地质灾害预警临界数量，则计算所述橙色地质灾害预警预测数量和所述红色地质灾害预警预测数量之和在所述地质灾害预警预测数量中的第一占比，若所述第一占比小于预设占比阈值，则确认第二预警数量计算结果为所述地质灾害预警预测数量为一般，根据所述第二预警数量计算结果，得到第二分值；
53.若所述第一占比大于或等于预设占比阈值，则确认第三预警数量计算结果为所述
地质灾害预警预测数量为较多，根据所述第三预警数量计算结果，得到第二分值。
54.本发明还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述的一种三稀矿产开发区域的环境影响预测方法及装置方法。
55.本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的三稀矿产开发区域的环境影响预测方法。
56.本发明实施例一种三稀矿产开发区域的环境影响预测方法及装置，与现有技术相比，具有如下有益效果：
57.通过预训练的目标预测模型分别输出三稀矿产开发区域的地质灾害隐患预测数量、地质灾害预警预测数量、水环境破坏预测数据和土壤环境破坏预测数据，并分别对地质灾害隐患预测数量、地质灾害预警预测数量、水环境破坏预测数据和土壤环境破坏预测数据进行计算处理，对应得到第一分值、第二分值、第三分值和第四分值，整合所有分值，得到第一综合分值，并根据第一综合分值，确定环境影响强度，同时基于环境影响强度在预设的环境治理规则中匹配对应的环境治理方案；与现有技术相比，本发明的技术方案通过预训练多个目标预测模型对稀矿产开发区域的地质灾害隐患、地质灾害预警、水环境破坏数据和土壤环境破坏数据分别进行预测计算处理，得到对应的分值，并基于分值实现对三稀矿产开发区域的环境影响等级的定量预测，并基于预测结果提供对应的治理方案，能为决策者提供准确的依据，减少决策失误；同时在定量预测中，基于历史数据对未来数据进行预测，避免了现有技术中为了获取环境影响等级，过程步骤复杂，所需仪器多的问题，提高环境影响数据的获取效率。
附图说明
58.图1是本发明提供的一种三稀矿产开发区域的环境影响预测方法的一种实施例的流程示意图；
59.图2是本发明提供的一种三稀矿产开发区域的环境影响预测装置的一种实施例的结构示意图。
具体实施方式
60.下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
61.实施例1
62.参见图1，图1是本发明提供的一种三稀矿产开发区域的环境影响预测方法的一种实施例的流程示意图，如图1所示，该方法包括步骤101-步骤105，具体如下：
63.步骤101：获取三稀矿产开发区域的历史地质灾害隐患数量，将所述历史地质灾害隐患数量输入到预训练的第一目标预测模型，以使所述第一目标预测模型输出地质灾害隐患预测数量，对所述地质灾害隐患预测数量进行计算处理，得到第一分值。
64.一实施例中，构建神经网络预测模型，其中，所述神经网络预测模型为bp神经网络预测模型。
65.一实施例中，获取所述三稀矿产开发区域中多个历史年份对应的历史地质灾害隐患数量，对所述多个历史年份对应的历史地质灾害隐患数量进行归一化处理，得到历史地质灾害隐患样本数量，按照预设比例将所述历史地质灾害隐患样本数量划分为训练集和测试集，基于所述训练集对所述神经网络预测模型进行训练，基于所述测试集检测所述神经网络预测模型的模型效果。
66.一实施例中，对所述神经网络预测模型进行模型训练；具体的，以第一历史年份对应的第一历史地质灾害隐患样本数量为模型输入、第二历史年份对应的第二历史地址灾害隐患样本数量作为模型的输出训练所述神经网络预测模型，直至模型收敛时，生成第一目标预测模型，其中，所述第一历史年份和所述第二历史年份为相邻年份。
67.作为对所述神经网络预测模型进行模型训练的举例说明：获取所述三稀矿产开发区域中多个历史年份对应的历史地质灾害隐患样本数量，其中，所述多个历史年份为2015、2016、2017、2018、2019和2020年；通过往神经网络预测模型中输入2015年对应的地质灾害隐患样本数量，以使神经网络预测模型输出2016年对应的地质灾害隐患样本预测数量，将2016年对应的地质灾害隐患样本预测数量与2016年对应的实质的地质灾害隐患样本数量进行对比；或往神经网络预测模型中输入2016年对应的地质灾害隐患样本数量，以使神经网络预测模型输出2017年对应的地质灾害隐患样本预测数量，将2017年对应的地质灾害隐患样本预测数量与2017年对应的实质的地质灾害隐患样本数量进行对比等等，直至神经网络预测模型的预测精度达到预设精度值，停止对神经网络预测模型进行训练，生成第一目标预测模型。
68.一实施例中，获取最新历史地质灾害隐患数量，将所述最新历史地质灾害隐患数量输入到所述第一目标预测模型中，以使所述第一目标预测模型输出预设年份的地质灾害隐患预测数量。
69.优选的，所述最新历史地质灾害隐患数量为当前年份前一年份对应的历史地质灾害隐患数量；所述预设年份为当前年份。
70.一实施例中，地址灾害隐患数量包括三稀矿产开发区域中可能危害人民生命和财产安全的不稳定斜坡、潜在滑坡、潜在崩塌、潜在泥石流和潜在地面塌陷，以及已经发生但目前仍不稳定的滑坡、崩塌、泥石流、地面塌陷等隐患点的数量。
71.一实施例中，设置地质灾害隐患评价标准；具体的，设置的地质灾害隐患评价标准包括地质灾害隐患预测数量较少、地质灾害隐患预测数量一般和地质灾害隐患预测数量较多，其中，所述地质灾害隐患数量较少对应的第一分值为3分；所述地质灾害隐患数量一般对应的第一分值为2分；所述地质灾害隐患数量较多对应的第一分值为1分。
72.一实施例中，对所述地质灾害隐患预测数量进行计算处理，得到第一分值。
73.具体的，计算所述地质灾害隐患预测数量在第一地质灾害隐患临界数量中的第一数量占比，若所述第一数量占比少于或等于第一预设数量占比阈值，则确认第一隐患数量计算结果为所述地质灾害隐患数量较少，根据所述第一隐患数量计算结果，得到第一分值。
74.具体的，若所述第一数量占比大于第一预设数量占比阈值，且所述第一数量占比小于或等于所述第二预设数量占比阈值，则确认第二隐患数量计算结果为所述地质灾害预
警数量为一般，根据所述第二隐患数量计算结果，得到第一分值。
75.具体的，若所述第一数量占比大于所述第二预设数量占比阈值，则确认第三隐患数量计算结果为所述地质灾害预警数量为较多，根据所述第三隐患数量计算结果，得到第一分值。
76.优选的，对于地质灾害隐患临界数量量的设置，可基于矿山类型，从地质灾害隐患相关标准中进行获取。
77.优选的，所述第一数量占比阈值设置为60％，第二预设数量占比阈值设置为100％。
78.步骤102：获取三稀矿产开发区域的历史地质灾害预警数量，将所述历史地质灾害预警数量输入到预训练的第二目标预测模型，以使所述第二目标预测模型输出得到地质灾害预警预测数量，对所述地质灾害预警预测数量进行计算处理，得到第二分值。
79.一实施例中，构建神经网络预测模型；其中，所述神经网络预测模型为bp神经网络预测模型。
80.一实施例中，获取所述三稀矿产开发区域中多个历史年份对应的历史地质灾害预警数量，对所述历史地质灾害预警数量进行归一化处理，得到历史地质灾害隐患样本数量；以第一历史年份对应的第一历史地质灾害预警样本数量为模型输入、第二历史年份对应的第二历史地址灾害预警样本数量作为模型的输出训练所述神经网络预测模型，直至模型收敛时，生成第二目标预测模型，其中，所述第一历史年份和所述第二历史年份为相邻年份。
81.一实施例中，获取最新历史地质灾害预警数量，将所述最新历史地质灾害预警数量输入到所述第二目标预测模型中，以使所述第二目标预测模型输出预设年份的地质灾害预警预测数量。
82.具体的，获取历史地质灾害预警数量，其中，所述历史地质灾害预警数量包括历史蓝色地质灾害预警数量、历史黄色地质灾害预警数量、历史橙色地质灾害预警数量和历史红色地质灾害预警数量。
83.具体的，将所述历史地质灾害预警数量输入到第二目标预测模型中，以使所述目标预测模型输出地质灾害预警预测数量，其中，所述地质灾害预警预测数量包括蓝色地质灾害预警预测数量、黄色地质灾害预警预测数量、橙色地质灾害预警预测数量和红色地质灾害预警预测数量。
84.一实施例中，地质灾害预警数量是指地质和气象部门依据当前环境发布的灾害预警的数据；其中，蓝色地质灾害预警是指预计发生地质灾害的可能性一般；黄色地质灾害预警是指预计发生地质灾害的可能性较大；橙色地质灾害预警是指预计发生地质灾害的可能性很大；红色地质灾害预警是指发生地质灾害的可能性极大。
85.一实施例中，设置地质灾害预警评价标准；具体的，设置的地质灾害预警评价标准包括地质灾害预警数量较少、地质灾害预警数量一般和地质灾害预警数量较多，其中，所述地质灾害预警数量较少对应的第二分值为3分；所述地质灾害预警数量一般对应的第二分值为2分；所述地质灾害预警数量较多对应的第二分值为1分。
86.一实施例中，对所述地质灾害预警预测数量进行计算处理，得到第二分值。
87.具体的，将所述地质灾害预警预测数量与地质灾害预警临界数量进行比较，若所述地质灾害预警预测数量少于或等于所述地质灾害预警临界数量，则确认第一预警数量对
比结果为所述地质灾害预警数量较少，根据所述第一预警数量对比结果，得到第二分值。
88.具体的，若所述地质灾害预警预测数量大于所述地质灾害预警临界数量，则计算所述橙色地质灾害预警预测数量和所述红色地质灾害预警预测数量之和在所述地质灾害预警预测数量中的第一占比，若所述第一占比小于预设占比阈值，则确认第二预警数量对比结果为所述地质灾害预警数量为一般，根据所述第二预警数量对比结果，得到第二分值。
89.具体的，若所述第一占比大于或等于预设占比阈值，则确认第三预警数量对比结果为所述地质灾害预警数量为较多，根据所述第三预警数量对比结果，得到第二分值。
90.一实施例中，计算所述橙色地质灾害预警预测数量和所述红色地质灾害预警预测数量之和在所述地质灾害预警预测数量中的第一占比；具体的，获取所述橙色地质灾害预警预测数量对应的第一权重值，以及所述红色地质灾害预警预测数量对应的第二权重值，将所述第一权重值、所述第二权重值、所述橙色地质灾害预警预测数量和所述红色地质灾害预警预测数量代入到第一占比计算公式中，计算所述橙色地质灾害预警预测数量和所述红色地质灾害预警预测数量在所述地质灾害预警预测数量中的第一占比，其中，所述第一占比计算公式如下所示：
91.n
总
＝nb+ny+nc+nr；
92.式中，p为第一占比，a为第一权重值，为常数；nc为橙色地质灾害预警预测数量，b为第二权重值，为常数，nr为红色地质灾害预警预测数量，n
总
为地质灾害预警预测数量；nb为蓝色地质灾害预警预测数量，ny为黄色地质灾害预警预测数量。
93.优选的，对于地质灾害预警临界数量的设置，可基于矿山类型，从地质灾害预警相关标准中进行获取。
94.优选的，所述预设占比阈值可设置为50％。
95.步骤103：获取三稀矿产开发区域的历史水环境破坏数据，将所述历史水环境破坏数据输入到预训练的第三目标预测模型，以使所述第三目标预测模型输出水环境破坏预测数据，对所述水环境破坏预测数据进行计算处理，得到第三分值。
96.一实施例中，一实施例中，构建神经网络预测模型；其中，所述神经网络预测模型为bp神经网络预测模型。
97.一实施例中，获取所述三稀矿产开发区域中多个历史年份对应的历史水环境破坏数据，对所述历史水环境破坏数据进行归一化处理，得到历史水环境破坏样本数据；以第一历史年份对应的第一历史水环境破坏样本数量为模型输入、第二历史年份对应的第二历史水环境破坏样本数量作为模型的输出训练所述神经网络预测模型，直至模型收敛时，生成第三目标预测模型，其中，所述第一历史年份和所述第二历史年份为相邻年份。
98.一实施例中，获取最新历史水环境破坏数据，将所述最新历史水环境破坏数据输入到所述第三目标预测模型中，以使所述第三目标预测模型输出预设年份的水环境破坏预测数据。
99.一实施例中，设置水环境破坏数据评价标准；具体的，设置的水环境破坏数据评价标准包括水环境破坏数据较少、水环境破坏数据一般和水环境破坏数据较多，其中，所述水环境破坏数据较少对应的第二分值为3分；所述水环境破坏数据一般对应的第二分值为2分；所述水环境破坏数据较多对应的第二分值为1分。
100.一实施例中，对所述水环境破坏预测数据进行计算处理，得到第三分值。
101.具体的，计算所述水环境破坏预测数据在水环境破坏数据临界值中的第二数量占比，若所述第二数量占比少于或等于第三预设数量占比阈值，则确认第一水环境计算结果为所述水环境破坏数据为较少，根据所述第一水环境计算结果，得到第三分值。
102.具体的，若所述第二数量占比大于第三预设数量占比阈值，且所述第二数量占比小于或等于所述第二预设数量占比阈值，则确认第二水环境计算结果为所述水环境破坏数据为一般，根据所述第二水环境计算结果，得到第三分值。
103.具体的，若所述第二数量占比大于所述第四预设数量占比阈值，则确认第三水环境计算结果为所述水环境破坏数据为较多，根据所述第三水环境计算结果，得到第三分值。
104.优选的，对于水环境破坏数据临界值的设置，可基于矿山类型，从水环境相关标准中进行获取。
105.优选的，所述第三数量占比阈值设置为60％，第四预设数量占比阈值设置为100％。
106.步骤104：获取三稀矿产开发区域的历史土壤环境破坏数据，将所述历史土壤环境破坏数据输入到预训练的第四目标预测模型，以使所述第四目标预测模型输出土壤环境破坏预测数据，对所述土壤环境破坏预测数据进行计算处理，得到第四分值。
107.一实施例中，一实施例中，构建神经网络预测模型；其中，所述神经网络预测模型为bp神经网络预测模型。
108.一实施例中，获取所述三稀矿产开发区域中多个历史年份对应的历史土壤环境破坏数据，对所述历史土壤环境破坏数据进行归一化处理，得到历史土壤环境破坏样本数据；以第一历史年份对应的第一历史土壤环境破坏样本数量为模型输入、第二历史年份对应的第二历史土壤环境破坏样本数量作为模型的输出训练所述神经网络预测模型，直至模型收敛时，生成第四目标预测模型，其中，所述第一历史年份和所述第二历史年份为相邻年份。
109.一实施例中，获取最新历史土壤环境破坏数据，将所述最新历史土壤环境破坏数据输入到所述第四目标预测模型中，以使所述第四目标预测模型输出预设年份的土壤环境破坏预测数据。
110.一实施例中，设置土壤环境破坏数据评价标准；具体的，设置的土壤环境破坏数据评价标准包括土壤环境破坏数据较少、土壤环境破坏数据一般和土壤环境破坏数据较多，其中，所述土壤环境破坏数据较少对应的第二分值为3分；所述土壤环境破坏数据一般对应的第二分值为2分；所述土壤环境破坏数据较多对应的第二分值为1分。
111.一实施例中，对所述土壤环境破坏预测数据进行计算处理，得到第四分值。
112.具体的，计算所述土壤环境破坏预测数据在第一土壤环境破坏数据临界值中的第三数量占比，若所述第三数量占比少于或等于所述第五预设数量占比阈值，则确认第一土壤环境计算结果为所述土壤环境破坏数据为较少，根据所述第一土壤环境计算结果，得到第四分值。
113.具体的，若所述第三数量占比大于第三预设数量占比阈值，且所述第三数量占比小于或等于所述第六预设数量占比阈值，则确认第二土壤环境计算结果为所述土壤环境破坏数据为较少，根据所述第二土壤环境计算结果，得到第四分值。
114.具体的，若所述第三数量占比大于所述第六预设数量占比阈值，则确认第三土壤
环境计算结果为所述土壤环境破坏数据为较多，根据所述第三土壤环境计算结果，得到第四分值。
115.优选的，对于土壤环境破坏数据临界值的设置，可基于矿山类型，从土壤环境相关标准中进行获取。
116.优选的，所述第五数量占比阈值设置为60％，第六预设数量占比阈值设置为100％。
117.步骤105：整合所述第一分值、所述第二分值、所述第三分值和所述第四分值，得到并基于第一综合分值，确定所述三稀矿产开发区域的环境影响强度，并根据所述环境影响强度，在预设的环境治理规则中匹配对应的环境治理方案，其中，所述预设的环境治理规则中包括环境影响强度和环境治理方案。
118.一实施例中，设置环境影响强度分值表，将所述第一综合分值与所述环境影响强度分值表进行对比，其中，所述环境影响强度分值表包括综合分值及其对应的环境影响强度。
119.优选的，当所述第一综合分值为4-6分时，其对应的环境影响强度为高；当所述第一综合分值为7-9分时，其对应的环境影响强度为中；当所述第一综合分值为10-12分时，其对应的环境影响强度为低。
120.一实施例中，获取所述环境影响强度，当所述环境影响强度为低时，在预设的环境治理规则中匹配对应的环境影响低强度治理方案，当所述环境影响强度为中时，在预设的环境治理规则中匹配对应的环境影响中强度治理方案，当所述环境影响强度为高时，在预设的环境治理规则中匹配对应的环境影响高强度治理方案。
121.一实施例中，获取所述三稀矿产开发区域对应的第五分值、第六分值、第七分值和第八分值，根据所述第五分值、所述第六分值、所述第七分值和所述第八分值，得到第二综合分值；其中，所述第五分值、第六分值、第七分值和第八分值是根据所述环境治理方案对所述三稀矿产开发区域进行环境治理后重新获取得到的；根据所述第二综合分值，重新确定所述三稀矿产开发区域的环境影响强度，并所述环境治理规则中重新匹配对应的环境治理方案；使得能基于三稀矿产开发区域的环境的改变，及时更新对应的环境影响强度，并实时更新对应的环境治理方案。
122.综上，本发明提供的一种三稀矿产开发区域的环境影响预测方法，通过预训练多个目标预测模型，基于每个目标预测模型对三稀矿产开发区域的地质灾害隐患数量、地质灾害预警数量、水环境破坏数量和土壤环境破坏数量进行数量预测，并分别对预测结果进行计算处理，得到对应的分值，并基于分值实现对三稀矿产开发区域的环境影响等级的定量预测，并基于预测结果提供对应的治理方案，能为决策者提供准确的依据，减少决策失误；同时，区别原有技术中为了对三稀矿产开发区域的环境影响进行评价，需要采集区域中的多项的样品，并对样品进行数据提取分析等，能避免操作复杂，所需仪器多的问题，提高环境影响数据的获取效率。
123.实施例2
124.参见图2，图2是本发明提供的一种三稀矿产开发区域的环境影响预测装置的一种实施例的结构示意图，如图2所示，该装置包括地质灾害隐患数量计算模块201、地质灾害预警数量计算模块202、水环境破坏数量计算模块203、土壤环境破坏数据计算模块204和环境
影响强度确定模块205，具体如下：
125.所述地质灾害隐患数量计算模块201，用于获取三稀矿产开发区域的历史地质灾害隐患数量，将所述历史地质灾害隐患数量输入到预训练的第一目标预测模型，以使所述第一目标预测模型输出地质灾害隐患预测数量，对所述地质灾害隐患预测数量进行计算处理，得到第一分值。
126.所述地质灾害预警数量计算模块202，用于获取三稀矿产开发区域的历史地质灾害预警数量，将所述历史地质灾害预警数量输入到预训练的第二目标预测模型，以使所述第二目标预测模型输出得到地质灾害预警预测数量，对所述地质灾害预警预测数量进行计算处理，得到第二分值。
127.所述水环境破坏数量计算模块203，用于获取三稀矿产开发区域的历史水环境破坏数据，将所述历史水环境破坏数据输入到预训练的第三目标预测模型，以使所述第三目标预测模型输出水环境破坏预测数据，对所述水环境破坏预测数据进行计算处理，得到第三分值。
128.所述土壤环境破坏数据计算模块204，用于获取三稀矿产开发区域的历史土壤环境破坏数据，将所述历史土壤环境破坏数据输入到预训练的第四目标预测模型，以使所述第四目标预测模型输出土壤环境破坏预测数据，对所述土壤环境破坏预测数据进行计算处理，得到第四分值。
129.所述环境影响强度确定模块205，用于整合所述第一分值、所述第二分值、所述第三分值和所述第四分值，得到并基于第一综合分值，确定所述三稀矿产开发区域的环境影响强度，并根据所述环境影响强度在预设的环境治理规则中匹配对应的环境治理方案，其中，所述预设的环境治理规则中包括环境影响强度和环境治理方案。
130.本发明实施例提供的一种三稀矿产开发区域的环境影响预测装置，还包括：环境影响强度更新模块。
131.一实施例中，所述环境影响强度更新模块，用于获取所述三稀矿产开发区域对应的第五分值、第六分值、第七分值和第八分值，根据所述第五分值、所述第六分值、所述第七分值和所述第八分值，得到第二综合分值；其中，所述第五分值、第六分值、第七分值和第八分值是根据所述环境治理方案对所述三稀矿产开发区域进行环境治理后重新获取得到的。
132.一实施例中，所述环境影响强度更新模块，用于根据所述第二综合分值，重新确定所述三稀矿产开发区域的环境影响强度，并所述环境治理规则中重新匹配对应的环境治理方案。
133.本发明实施例提供的一种三稀矿产开发区域的环境影响预测装置，还包括：评价标准设置模块。
134.一实施例中，所述评价标准设置模块，用于设置地质灾害隐患评价标准、地质灾害预警评价标准、水环境破坏数据评价标准和土壤环境破坏数据评价标准。
135.一实施例中，所述环境影响强度确定模块，用于根据所述环境影响强度，在预设的环境治理规则中匹配对应的环境治理方案，具体包括：获取所述环境影响强度，当所述环境影响强度为低时，在预设的环境治理规则中匹配环境影响低强度治理方案，当所述环境影响强度为中时，在预设的环境治理规则中匹配环境影响中强度治理方案，当所述环境影响强度为高时，在预设的环境治理规则中匹配环境影响高强度治理方案。
136.一实施例中，所述地质灾害隐患数量计算模块中第一目标预测模型的预训练过程，具体包括：构建神经网络预测模型；获取所述三稀矿产开发区域中多个历史年份对应的历史地质灾害隐患数量，对所述历史地质灾害隐患数量进行归一化处理，得到历史地质灾害隐患样本数量；以第一历史年份对应的第一历史地质灾害隐患样本数量为模型输入、第二历史年份对应的第二历史地址灾害隐患样本数量作为模型输出训练所述神经网络预测模型，直至模型收敛时，生成第一目标预测模型，其中，所述第一历史年份和所述第二历史年份为相邻年份。
137.一实施例中，所述地质灾害预警数量计算模块，用于将所述历史地质灾害预警数量输入到预训练的第二目标预测模型，以使所述第二目标预测模型输出得到地质灾害预警预测数量，具体包括：获取历史地质灾害预警数量，其中，所述历史地质灾害预警数量包括历史蓝色地质灾害预警数量、历史黄色地质灾害预警数量、历史橙色地质灾害预警数量和历史红色地质灾害预警数量；将所述历史地质灾害预警数量输入到预训练的第二目标预测模型中，以使所述第二目标预测模型输出地质灾害预警预测数量，其中，所述地质灾害预警预测数量包括蓝色地质灾害预警预测数量、黄色地质灾害预警预测数量、橙色地质灾害预警预测数量和红色地质灾害预警预测数量。
138.一实施例中，所述地质灾害预警数量计算模块，用于对所述地质灾害预警预测数量进行计算处理，得到第二分值，具体包括：将所述地质灾害预警预测数量与地质灾害预警临界数量进行比较，若所述地质灾害预警预测数量少于或等于所述地质灾害预警临界数量，则确认第一预警数量计算结果为所述地质灾害预警预测数量较少，根据所述第一预警数量计算结果，得到第二分值；若所述地质灾害预警预测数量大于所述地质灾害预警临界数量，则计算所述橙色地质灾害预警预测数量和所述红色地质灾害预警预测数量之和在所述地质灾害预警预测数量中的第一占比，若所述第一占比小于预设占比阈值，则确认第二预警数量计算结果为所述地质灾害预警预测数量为一般，根据所述第二预警数量计算结果，得到第二分值；若所述第一占比大于或等于预设占比阈值，则确认第三预警数量计算结果为所述地质灾害预警预测数量为较多，根据所述第三预警数量计算结果，得到第二分值。
139.所属领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不在赘述。
140.需要说明的是，上述三稀矿产开发区域的环境影响预测装置的实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
141.在上述的三稀矿产开发区域的环境影响预测方法的实施例的基础上，本发明另一实施例提供了一种三稀矿产开发区域的环境影响预测终端设备，该三稀矿产开发区域的环境影响预测终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时，实现本发明任意一实施例的三稀矿产开发区域的环境影响预测方法。
142.示例性的，在这一实施例中所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个
或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述三稀矿产开发区域的环境影响预测终端设备中的执行过程。
143.所述三稀矿产开发区域的环境影响预测终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述三稀矿产开发区域的环境影响预测终端设备可包括，但不仅限于，处理器、存储器。
144.所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述三稀矿产开发区域的环境影响预测终端设备的控制中心，利用各种接口和线路连接整个三稀矿产开发区域的环境影响预测终端设备的各个部分。
145.所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述三稀矿产开发区域的环境影响预测终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
146.在上述三稀矿产开发区域的环境影响预测方法的实施例的基础上，本发明另一实施例提供了一种存储介质，所述存储介质包括存储的计算机程序，其中，在所述计算机程序运行时，控制所述存储介质所在的设备执行本发明任意一实施例的三稀矿产开发区域的环境影响预测方法。
147.在这一实施例中，上述存储介质为计算机可读存储介质，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
148.综上，本发明公开了一种三稀矿产开发区域的环境影响预测方法及装置，通过预训练的目标预测模型分别输出三稀矿产开发区域的地质灾害隐患预测数量、地质灾害预警预测数量、水环境破坏预测数据和土壤环境破坏预测数据，并分别对地质灾害隐患预测数量、地质灾害预警预测数量、水环境破坏预测数据和土壤环境破坏预测数据进行计算处理，对应得到第一分值、第二分值、第三分值和第四分值，整合所有分值，得到第一综合分值，并根据第一综合分值，确定环境影响强度，同时基于环境影响强度在预设的环境治理规则中匹配对应的环境治理方案。与现有技术相比，本发明的技术方案实现对三稀矿产开发区域
的环境影响等级的定量预测，提高环境影响等级的获取效率。
149.以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

技术特征：
1.一种三稀矿产开发区域的环境影响预测方法，其特征在于，包括：获取三稀矿产开发区域的历史地质灾害隐患数量，将所述历史地质灾害隐患数量输入到预训练的第一目标预测模型，以使所述第一目标预测模型输出地质灾害隐患预测数量，对所述地质灾害隐患预测数量进行计算处理，得到第一分值；获取三稀矿产开发区域的历史地质灾害预警数量，将所述历史地质灾害预警数量输入到预训练的第二目标预测模型，以使所述第二目标预测模型输出得到地质灾害预警预测数量，对所述地质灾害预警预测数量进行计算处理，得到第二分值；获取三稀矿产开发区域的历史水环境破坏数据，将所述历史水环境破坏数据输入到预训练的第三目标预测模型，以使所述第三目标预测模型输出水环境破坏预测数据，对所述水环境破坏预测数据进行计算处理，得到第三分值；获取三稀矿产开发区域的历史土壤环境破坏数据，将所述历史土壤环境破坏数据输入到预训练的第四目标预测模型，以使所述第四目标预测模型输出土壤环境破坏预测数据，对所述土壤环境破坏预测数据进行计算处理，得到第四分值；整合所述第一分值、所述第二分值、所述第三分值和所述第四分值，得到并基于第一综合分值，确定所述三稀矿产开发区域的环境影响强度，并根据所述环境影响强度，在预设的环境治理规则中匹配对应的环境治理方案，其中，所述预设的环境治理规则中包括环境影响强度和环境治理方案。2.如权利要求1所述的三稀矿产开发区域的环境影响预测方法，其特征在于，还包括：获取所述三稀矿产开发区域对应的第五分值、第六分值、第七分值和第八分值，根据所述第五分值、所述第六分值、所述第七分值和所述第八分值，得到第二综合分值；其中，所述第五分值、第六分值、第七分值和第八分值是根据所述环境治理方案对所述三稀矿产开发区域进行环境治理后重新获取得到的；根据所述第二综合分值，重新确定所述三稀矿产开发区域的环境影响强度，并所述环境治理规则中重新匹配对应的环境治理方案。3.如权利要求1所述的三稀矿产开发区域的环境影响预测方法，其特征在于，还包括：设置地质灾害隐患评价标准、地质灾害预警评价标准、水环境破坏数据评价标准和土壤环境破坏数据评价标准。4.如权利要求1所述的三稀矿产开发区域的环境影响预测方法，其特征在于，根据所述环境影响强度，在预设的环境治理规则中匹配对应的环境治理方案，具体包括：获取所述环境影响强度，当所述环境影响强度为低时，在预设的环境治理规则中匹配环境影响低强度治理方案，当所述环境影响强度为中时，在预设的环境治理规则中匹配环境影响中强度治理方案，当所述环境影响强度为高时，在预设的环境治理规则中匹配环境影响高强度治理方案。5.如权利要求1所述的三稀矿产开发区域的环境影响预测方法，其特征在于，第一目标预测模型的预训练过程，具体包括：构建神经网络预测模型；获取所述三稀矿产开发区域中多个历史年份对应的历史地质灾害隐患数量，对所述历史地质灾害隐患数量进行归一化处理，得到历史地质灾害隐患样本数量；以第一历史年份对应的第一历史地质灾害隐患样本数量为模型输入、第二历史年份对
应的第二历史地址灾害隐患样本数量作为模型输出训练所述神经网络预测模型，直至模型收敛时，生成第一目标预测模型，其中，所述第一历史年份和所述第二历史年份为相邻年份。6.如权利要求1所述的三稀矿产开发区域的环境影响预测方法，其特征在于，将所述历史地质灾害预警数量输入到预训练的第二目标预测模型，以使所述第二目标预测模型输出得到地质灾害预警预测数量，具体包括：获取历史地质灾害预警数量，其中，所述历史地质灾害预警数量包括历史蓝色地质灾害预警数量、历史黄色地质灾害预警数量、历史橙色地质灾害预警数量和历史红色地质灾害预警数量；将所述历史地质灾害预警数量输入到预训练的第二目标预测模型中，以使所述第二目标预测模型输出地质灾害预警预测数量，其中，所述地质灾害预警预测数量包括蓝色地质灾害预警预测数量、黄色地质灾害预警预测数量、橙色地质灾害预警预测数量和红色地质灾害预警预测数量。7.如权利要求6所述的三稀矿产开发区域的环境影响预测方法，其特征在于，对所述地质灾害预警预测数量进行计算处理，得到第二分值，具体包括：将所述地质灾害预警预测数量与地质灾害预警临界数量进行比较，若所述地质灾害预警预测数量少于或等于所述地质灾害预警临界数量，则确认第一预警数量计算结果为所述地质灾害预警预测数量较少，根据所述第一预警数量计算结果，得到第二分值；若所述地质灾害预警预测数量大于所述地质灾害预警临界数量，则计算所述橙色地质灾害预警预测数量和所述红色地质灾害预警预测数量之和在所述地质灾害预警预测数量中的第一占比，若所述第一占比小于预设占比阈值，则确认第二预警数量计算结果为所述地质灾害预警预测数量为一般，根据所述第二预警数量计算结果，得到第二分值；若所述第一占比大于或等于预设占比阈值，则确认第三预警数量计算结果为所述地质灾害预警预测数量为较多，根据所述第三预警数量计算结果，得到第二分值。8.一种三稀矿产开发区域的环境影响预测装置，其特征在于，包括：地质灾害隐患数量计算模块、地质灾害预警数量计算模块、水环境破坏数量计算模块、土壤环境破坏数据计算模块和环境影响强度确定模块；其中，所述地质灾害隐患数量计算模块，用于获取三稀矿产开发区域的历史地质灾害隐患数量，将所述历史地质灾害隐患数量输入到预训练的第一目标预测模型，以使所述第一目标预测模型输出地质灾害隐患预测数量，对所述地质灾害隐患预测数量进行计算处理，得到第一分值；所述地质灾害预警数量计算模块，用于获取三稀矿产开发区域的历史地质灾害预警数量，将所述历史地质灾害预警数量输入到预训练的第二目标预测模型，以使所述第二目标预测模型输出得到地质灾害预警预测数量，对所述地质灾害预警预测数量进行计算处理，得到第二分值；所述水环境破坏数量计算模块，用于获取三稀矿产开发区域的历史水环境破坏数据，将所述历史水环境破坏数据输入到预训练的第三目标预测模型，以使所述第三目标预测模型输出水环境破坏预测数据，对所述水环境破坏预测数据进行计算处理，得到第三分值；所述土壤环境破坏数据计算模块，用于获取三稀矿产开发区域的历史土壤环境破坏数
据，将所述历史土壤环境破坏数据输入到预训练的第四目标预测模型，以使所述第四目标预测模型输出土壤环境破坏预测数据，对所述土壤环境破坏预测数据进行计算处理，得到第四分值；所述环境影响强度确定模块，用于整合所述第一分值、所述第二分值、所述第三分值和所述第四分值，得到并基于第一综合分值，确定所述三稀矿产开发区域的环境影响强度，并根据所述环境影响强度在预设的环境治理规则中匹配对应的环境治理方案，其中，所述预设的环境治理规则中包括环境影响强度和环境治理方案。9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的一种三稀矿产开发区域的环境影响预测方法及装置方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任意一项所述的三稀矿产开发区域的环境影响预测方法。

技术总结
本发明公开了一种三稀矿产开发区域的环境影响预测方法及装置，通过预训练的目标预测模型分别输出三稀矿产开发区域的地质灾害隐患预测数量、地质灾害预警预测数量、水环境破坏预测数据和土壤环境破坏预测数据，并分别对地质灾害隐患预测数量、地质灾害预警预测数量、水环境破坏预测数据和土壤环境破坏预测数据进行计算处理，对应得到第一分值、第二分值、第三分值和第四分值，整合所有分值，得到第一综合分值，并根据第一综合分值，确定环境影响强度，同时基于环境影响强度在预设的环境治理规则中匹配对应的环境治理方案。本发明实现了对三稀矿产开发区域的环境影响等级的定量预测，提高了环境影响等级的获取效率。提高了环境影响等级的获取效率。提高了环境影响等级的获取效率。


技术研发人员：于扬 王成辉 王登红 王伟 于沨 赵芝 刘善宝 郭娜欣
受保护的技术使用者：中国地质科学院矿产资源研究所
技术研发日：2023.06.01
技术公布日：2023/8/23