谈深度学习技术在环保督查工作中的应用

摘要：生态环境是影响我国经济发展的重要组成部分，环保督察工作的艰巨程度可想而知。近年来，深度学习技术为环保督察工作提供了有利条件，成为多个学科领域的热门研究项目。本文将主要针对深度学习技术在环保督查工作中的算法使用、具体应用以及改进建议进行论述，以供参考。

关键词：深度学习技术;环保督查工作;应用探究

中图分类号：X32 文献标识码：A 文章编号：2095-672X（2019）06-0-02

DOI：10.16647/j.cnki.cn15-1369/X.2019.06.121

Abstract：Ecological environment is an important part of China's economic development，and the difficulty of environmental protection supervision can be imagined.In recent years，in-depth learning technology has provided favorable conditions for environmental protection inspectors and has become a popular research project in many disciplines.This paper will mainly focus on the deep learning technology in the Environmental Protection inspection of the use of algorithms，specific applications and suggestions for improvement for reference.

Key words：In-depth learning techniques;Environmental supervision;Applied exploration

1 深度學习技术的概述

深度学习源于神经网络领域的理论，换言之，即更深层次的神经网络。通过深度学习，人们可以从中获取更深层次的数据特征，能够在面对复杂的现实情况时，降低特征选取的难度。

以自然界为例，自然界每时每刻都在发生着各种变化，这些变化中都可以转化为模拟的图像，图像中的具体信息正是人们工作中需要的。例如，森林中的火灾情况、水库边的可疑行人、田地间的庄稼农作物、特殊场所的具体情况等。环保督察部门通过观看日常的图像信息，掌握实时情况。近年来，智能分析作为深度学习技术的一个分支正在快速发展，成为解决难题的新途径。深度学习技术主要包括：神经元、分类器、神经网络以及可视化框架。它不同于传统的机器学习处理对信息的处理方式，传统的机器学习主要依靠人力，利用人类的逻辑关系，进行信息的输入工作。其中朴素贝叶斯就是用概率的方式设计计算模型;而决策树则是通过降低维度分类信息熵来工作;回归模型，建模时不断缩小预测值与目标值的距离;SVM，致力于超平面，将分类的置信度调整至最佳状态。……