中国环境科学

作者：王兆龙, 彭雨卉, 姚沛帆, 孙峙, 张西华, 郑洋

单位：1. 生态环境部固体废物与化学品管理技术中心, 北京 100029;2. 中国科学院大学, 北京 100049;3. 中国科学院过程工程研究所, 北京 100190;4. 上海第二工业大学资源与环境工程学院, 上海 201209

关键词：危险废物,出口风险,K-means聚类,BP神经网络,粒子群优化,风险预警

基金：国家重点研发计划项目(2019YFC1904803)

为提高出口风险预警的准确性和科学性,构建了一种基于K-means聚类与粒子群优化BP(PSO-BP)神经网络的危险废物出口风险预警系统.基于历史数据的多维指标,采用K-means聚类算法对危险废物出口风险进行分类,并运用PSO算法优化BP神经网络的初始参数,提高风险预测的精度和收敛效率.实验结果表明,K-means聚类的风险分类与专家标注的一致性达93.2%,证明该方法能够有效揭示数据的内在风险结构;PSO-BP神经网络的预测准确率达92.5%,均方误差降低至0.012,相较于传统BP神经网络,预测精度显著提升,训练收敛速度提高40%.基于上述模型,本研究开发了一套危险废物出口风险预警系统,实现数据采集、风险评估、模型预测与预警可视化等功能,并以30类危险废物为例验证了模型的实现与应用.结果表明,系统能够实时分析危险废物出口数据,依据风险预测结果提供动态预警,从而有效提升危险废物出口管理工作的科学性和效率.

来源：2025年第10期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2025年第10期