摘要：在改革开放以后，我国许多地区均积极建造了大量的水生态环境工程，有效的促进了水源供应稳定性的提升。但是在社会不断发展的过程中，大量的不同类型的水生态环境工程对水环境的影响逐渐的受到人们的关注，为了更好的将绿色生态理念运用到水生态环境工程建造之中，这篇文章借助大数据为基础，围绕水生态环境工程对水环境的影响展开全面的分析研究，希望能够制定出高水平的机制，为水环境保护工作的开展给予一定的指导。
关键词：大数据技术；水生态环境工程；分析；应用
前言：
中国的经济自改革开放以来飞速发展，与此同时也带来了巨大的环境污染，近几年，大量水环境污染给国家造成了重大经济损失，生态环境也遭到了巨大的破坏。水环境污染导致众多城市的河流、湖泊的生态系统功能遭到极大的毁坏，使得水资源的利用不可持续，同时也给人们的生活饮水和生产用水带来了严重威胁。在此背景下，大数据技术在水生态环境工程分析中的应用则势在必行。
1水环境大数据简述
大数据是伴随着数据获取和数据存储技术逐渐出现的，继2008年9月《科学》杂志发表了一篇题为“BigData：ScienceinthePetabyteEra”的文章，“大数据”这个词即开始被广泛传播；简单地说，大数据就是4个“V”，即规模性(Volume)、多样性(Variety)和高速性(Velocity)，还有一个“V”有2种说法：价值性(Value)和真实性(Veracity)。数据量大并不能算是大数据，大数据的特征是数据量大、数据种类多以及非标准化数据的价值最大化。水环境大数据具备以下特点。(1)数据量大，近些年来，各级水行政主管部门，基于电子化纸质资料和不同项目建立的数据库，已经积累了海量的水环境资料。(2)资料种类繁多，文档、表格、扫描文件、图片、文字报告以及视频资料等。(3)资料标准不同。然而，这些资料都可应用于改善水环境。
2水环境影响价值体现
经过对大量的信息数据进行分析，我们总结出，水生态环境工程与环境之间存在的关联体现在下面几个层面：首先，气候的变化会对工程所处地区的大气质量造成一定的影响，其次，也会对土体质量产生影响。所以为了对避免水生态环境工程建造工作开展对水环境产生严重的负面影响，我国己经早在上世纪末期的时候就开始着手进行这方面的研究，主要围绕水生态环境工程施工技术以及施工方式展开全面的研究创新，并深入的分析水生态环境工程施工与环境二者之间存在的关联，综合的分析各类水环境的各项指标，并对那些与水环境质量存在联系的重要因素实施综合研究，最终制定岀各种类型的量化指标，创建不同的水生态环境工程水环境评价模型，并在实践运用中加以不断优化创新。
3大数据技术在水生态环境工程分析中的应用
3.1大数据分析平台
为解决传统分析系统无法处理的海量数据问题需要引入一个大数据平台。Hadoop是一个能够对量数据进行分布式处理的开源系统架构，它提供两个部分的内容：一个是为海量的数据提供存储；另一个是为海量的数据提供计算的MapReduce，但是MapReduce计算模型的架构导致其对更多重处理需求，运算缓慢，Spark的出现就补了这些不足。Spark采用内存并行计算技术与薪式处理技术，其处理速度会比MapReduce快上很多，因此更适合实时处理领域[1]。
3.2合理利用数据资源
大量的水环境数据充斥在分布式存储数据库里以供随时检索，这样并不能算作是真正意义上的水环境大数据；“数据资源一个中心”、“信息共享一张图”以及“应用服务一个平台”属于信息化工程的构想，也是数据资源整合理应达到的程度。
期刊文章分类查询,尽在期刊图书馆目前，有关各种水环境的水资源质量通报、公报都是属于都是总结性汇编。比如，某区域某月的水质经通报公布只达到了Ⅳ类标准(一般认为，至少是达到Ⅲ类标准的水才是符合要求的)，但是，实际上，居民将该水域作为饮用水水源已有一段时期了，尽管饮用水水源的水需要经过水厂的一整套规范化处理，而且必需达到一定标准才能人户饮用，但水环境质量服务的滞后性问题仍然存在。目前，已有的水污染物扩散预测模型以及其他一些相关模型，由于缺乏大量实时数据的支持，只能做出比较模糊的预测。然而，在拥有海量水环境大数据以及强大的数据分析技术条件下，型、以相互映证的方式做出最贴近事实的预测，通过海量数据运算，即可对其可能性做出判断。这种将数据在正确的时间交付到正确的应用，数据的价值才能够得到实际体现[2]。如果仅仅只是以简单的授权数据使用的形式，那么，水环境大数据不可能会得到广泛的应用。出于对水环境数据保密性的要求，水行政主管部门不可能开放所有的水环境数据，对于这种矛盾，只能以开放服务的方式解决。大数据的优点就在于其可以得到多次利用，基于应用再应用。因为它不像抽样获取数据那样带有目的性，所以在采集和处理数据的过程中，可能还会有很多新的应用不断产生。
3.3大数据计算结构
任何数据都要通过计算来产生价值才有意义，大数据也一样。结构化大数据的计算能力的高低决定了大数据的实用性。当前有2种数据处理类型：一是传统任务式批处理计算模式，这个通过Hadoop自带的MapReduce就可以很好的支持；二是实时分析计算模式，这种模式引入Hive是一个简单而直接的选择；是机器学习算法模式，需要一个更好的并行计算来支持机器学习算法，而这些正是Spark所擅长的领域一凭借其对迭代计算的友好支持，Spark理所当然地成为不二之选。
4基于大数据的水生态环境工程建设水环境影响评价模型
4.1模型指标体系设计
就当下国内水生态环境工程施工实际情况来看，相关行政机构在充分结合实际情况的基础上，编制了专门的施工规范性标准以及水质指标，大部分的专业人士对水环境的评价模型进行了深入的研究分析，并掌握了大量的信息数据。这篇文章针对水生态环境工程规划设计生态体系指标，河流健康综合评价指标实施了综合比对研究，借助针对核心成分实施分析研究的方法，来判断水生态环境工程建设对水环境造成的不良影响，并利用专业的方法找到根源，采用有效的方式加以解决，运用水生态环境工程建设与水环境大数据来确定准则层和指标层。
4.2评价范围获取
工程等级指标根据其工程规模、效益及在国民经济中的重要性来确定。再依据工程等级及相关联河流及水库面积选址相关联河流及水库的水文水质监测点、监测断面进行指标赋分、评价。根据河流水文特征、水质状况、水生生物特征以及流域经济社会发展特征的相同性和差异性将评价工程分为若干评价水体，水体可以是河段、水库或湖泊。
4.3评价方法
依据工程等级的不同赋予相应的权重值，再应用到各个指标的赋值上，根据得分情况，以及实际模型效果，得出相应的评价，分为“理想状态、健康、亚健康、不健康、病态”5种类型。
总结：
综上所述，政府也应积极规范和引导商业化水环境大数据的推广应用活动，为水环境数据资源的流通创造有利条件。再者，还应对影响水环境综合评价预警的因子参数指标进行收集和统一格式化存储，并采用数据挖掘技术对监测的多样化综合指标按分类进行管理与分析，发现影响水质的关键几个因子指标。基于大数据平台，选择合适的模型算法，通过海量历史数据的深度学习和模型训练，建立科学的分析预警模型，将预警信息实时发送到指挥中心。
参考文献：
[1]张雷.关于环境工程建设与生态环境之间的关系分析[J].居舍,2017(30):164.
[2]桑旋.基于生态环境的水利工程分析[J].安徽水利水电职业技术学院学报,2016,16(01):44-46.
论文作者:付渝,任轲
论文发表刊物:《基层建设》2019年第32期
论文发表时间:2020/4/8
标签：数据论文; 水环境论文; 环境工程论文; 模型论文; 指标论文; 海量论文; 评价论文; 《基层建设》2019年第32期论文;