本发明专利技术涉及一种滤芯的效能评价方法、系统及存储介质，属于滤芯效能评价技术领域，本发明专利技术通过构建基于时间序列的滤芯的净化效能信息，最终基于深度神经网络构建净化效能评价模型，根据净化效能评价模型预测下一预设时间之内的净化效能隶属度，并基于下一预设时间之内的净化效能隶属度生成相关的维护建议。本发明专利技术通过融合递归神经网络以及循环空间注意力机制，使得注意力集中在滤芯的净化效能的指标特征中，能够抑制多尺度特征融合所带来的干扰信息，提高对异常工作参数的识别精度。另一方面，本发明专利技术融合了马尔科夫链以及深度神经网络，相比于现有技术，能够更加精确地预测出滤芯的效能所处的退化阶段。
【技术实现步骤摘要】
本专利技术涉及滤芯评价，尤其涉及一种滤芯的效能评价方法、系统及存储介质。
技术介绍
1、饮用水中有机污染物，主要是挥发性有机物（vocs），如苯系物、卤代烃等，是导致饮用水有机物污染的主要污染源。vocs超标不仅会危及人体健康，甚至会对人体器官造成不可恢复的损伤。吸附法是去除水中vocs较为常用的物理方法，基于发达的孔隙结构、巨大的比表面积活性炭具有较强的吸附性能，其常被用作去除饮用水中分子量在1000~3000的vocs的吸附剂，从而实现饮用水的净化。分子量低于1000的有机物则采用生物氧化降解的途径进行净化。除此之外，臭氧、过氧化氢、二氧化氯等氧化剂通过氧化还原反应也可去除水中vocs。活性炭作为净水领域中使用最早，应用最广泛的一种净水材料，不仅可以净化饮用水中的有机物，同时可通过吸附去除水中的臭味、色度、余氯、胶体、重金属、放射性物质等污染物。而净水流量、污染物浓度、水质数据等因素对净化性能产生了一定的影响，现如今，对于净化效能的评价精度低下，无法得知是外部因素造成的还是由于滤芯自身的性能退化造成的。
技术实现思路
1、本专利技术克服了现有技术的不足，提供了一种滤芯的效能评价方法、系统及存储介质。
2、为达上述目的，本专利技术采用的技术方案为：
3、本专利技术第一方面提供了一种滤芯的效能评价方法，包括以下步骤：
4、获取影响滤芯效能的指标数据信息，并引入图卷积神经网络，根据影响滤芯效能的指标数据信息以及图神经网络生成相关的邻接矩阵；
5、根据相关的邻接矩阵构建指标数据识别模型，并基于指标数据识别模型获取相关的指标识别结果；
6、根据相关的指标识别结果获取净化前的水质数据信息以及净化后的水质数据信息，并计算出滤芯的净化效能信息，构建基于时间序列的滤芯的净化效能信息；
7、基于深度神经网络构建净化效能评价模型，根据净化效能评价模型预测下一预设时间之内的净化效能隶属度，并基于下一预设时间之内的净化效能隶属度生成相关的维护建议。
8、进一步的，在本方法中，获取影响滤芯效能的指标数据信息，并引入图卷积神经网络，根据影响滤芯效能的指标数据信息以及图神经网络生成相关的邻接矩阵，具体包括：
9、获取影响滤芯效能的指标数据信息，引入图卷积神经网络，通过对指标数据信息进行分类，获取正常的指标数据信息以及异常的指标数据信息；
10、将滤芯效能作为第一图节点，将正常的指标数据信息以及异常的指标数据信息作为第二图节点，并根据正常的指标数据信息以及异常的指标数据信息与滤芯效能之间的关系，构建有向边描述；
11、根据有向边描述将第一图节点以及第二图节点连接，生成正常指标的拓扑结构图以及异常指标的拓扑结构图，并获取正常指标的拓扑结构图以及异常指标的拓扑结构图对应的邻接矩阵；
12、根据正常指标的拓扑结构图以及异常指标的拓扑结构图对应的邻接矩阵生成相关的邻接矩阵，并将相关的邻接矩阵输出。
13、进一步的，在本方法中，根据相关的邻接矩阵构建指标数据识别模型，并基于指标数据识别模型获取相关的指标识别结果，具体包括：
14、基于递归神经网络构建指标数据识别模型，并引入循环空间注意力机制，将相关的邻接矩阵输入到循环空间注意力机制中计算，获取第一特征图；
15、通过对第一特征图中每个指标特征进行softmax操作，得到具有空间注意的第二特征图，并对具有空间注意的第二特征图和相关的邻接矩阵进行内积运算，生成第三特征图；
16、将第三特征图输入到指标数据识别模型中，将第三特征图与隐含状态协同工作，通过更新隐含层的状态，输出指标数据识别模型，并获取预设时间之内滤芯的工作参数信息；
17、将预设时间之内滤芯的工作参数信息输入到指标数据识别模型中进行识别，获取相关的指标识别结果。
18、进一步的，在本方法中，根据相关的指标识别结果获取净化前的水质数据信息以及净化后的水质数据信息，并计算出滤芯的净化效能信息，构建基于时间序列的滤芯的净化效能信息，具体包括：
19、判断相关的指标识别结果是否为正常的指标识别结果，若相关的指标识别结果为正常的指标识别结果，则获取净化前的水质数据信息以及净化后的水质数据信息；
20、根据净化前的水质数据信息以及净化后的水质数据信息计算出滤芯的净化效能信息，并获取若干个时间戳的滤芯的净化效能信息，基于若干个时间戳的滤芯的净化效能信息构建基于时间序列的滤芯的净化效能信息；
21、若相关的指标识别结果为异常的指标识别结果，则获取滤芯在若干时间戳中工作时的工作参数数据信息，并将滤芯在若干时间戳中工作时的工作参数数据信息与预设工作参数信息进行对比，得到偏差率；
22、当偏差率大于预设偏差率时，获取偏差率大于预设偏差率所对应的工作参数，并根据偏差率大于预设偏差率所对应的工作参数生成预警信息。
23、进一步的，在本方法中，基于深度神经网络构建净化效能评价模型，根据净化效能评价模型预测下一预设时间之内的净化效能隶属度，具体包括：
24、设置若干净化效能隶属度范围数据信息，并根据净化效能隶属度范围数据信息对基于时间序列的滤芯的净化效能信息进行评价，生成基于时间序列的净化效能隶属度矩阵；
25、引入马尔科夫链，通过马尔科夫链对基于时间序列的净化效能隶属度矩阵中每个时间戳的净化效能隶属度进行状态转移概率计算，获取每个时间戳的净化效能隶属度转移到下一净化效能隶属度的转移概率值；
26、根据每个时间戳的净化效能隶属度转移到下一净化效能隶属度的转移概率值构建转移概率值矩阵，并通过pca算法对转移概率值矩阵进行降维处理，生成转移概率特征矩阵；
27、基于深度学习网络构建净化效能评价模型，并将转移概率特征矩阵输入到净化效能评价模型中进行编码学习，通过净化效能评价模型获取转移到下一净化效能隶属度的转移概率值；
28、当转移到下一净化效能隶属度的转移概率值大于预设概率值时，则获取当前时间戳的净化效能隶属度，并将当前时间戳的净化效能隶属度下一等级的净化效能隶属度作为下一预设时间之内的净化效能隶属度输出。
29、进一步的，在本方法中，基于下一预设时间之内的净化效能隶属度生成相关的维护建议，具体包括：
30、通过大数据获取各种净化效能隶属度对应的维护建议，并构建知识图谱，将各种净化效能隶属度对应的维护建议输入到知识图谱中进行存储；
31、设置净化效能隶属度阈值数据信息，并判断下一预设时间之内的净化效能隶属度是否不大于净化效能隶属度阈值数据信息；
32、若下一预设时间之内的净化效能隶属度不大于净化效能隶属度阈值数据信息，则将下一预设时间之内的净化效能隶属度输入到知识图谱中进行数据匹配；
33、通过数据匹配，获取相关的维护建议，并将相关的维护建议按照预设方式进行发送。
34、本专利技术第二方面提供了一种滤芯本文档来自技高网
...
【技术保护点】
1.一种滤芯的效能评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种滤芯的效能评价方法，其特征在于，获取影响滤芯效能的指标数据信息，并引入图卷积神经网络，根据所述影响滤芯效能的指标数据信息以及图神经网络生成相关的邻接矩阵，具体包括：
3.根据权利要求1所述的一种滤芯的效能评价方法，其特征在于，根据所述相关的邻接矩阵构建指标数据识别模型，并基于所述指标数据识别模型获取相关的指标识别结果，具体包括：
4.根据权利要求1所述的一种滤芯的效能评价方法，其特征在于，根据所述相关的指标识别结果获取净化前的水质数据信息以及净化后的水质数据信息，并计算出滤芯的净化效能信息，构建基于时间序列的滤芯的净化效能信息，具体包括：
5.根据权利要求1所述的一种滤芯的效能评价方法，其特征在于，基于深度神经网络构建净化效能评价模型，根据所述净化效能评价模型预测下一预设时间之内的净化效能隶属度，具体包括：
6.根据权利要求1所述的一种滤芯的效能评价方法，其特征在于，基于所述下一预设时间之内的净化效能隶属度生成相关的维护建议，具体包括：</p>7.一种滤芯的效能评价系统，其特征在于，所述滤芯的效能评价系统包括存储器以及处理器，所述存储器中包括滤芯的效能评价方法程序，所述滤芯的效能评价方法程序被所述处理器执行时，实现如下步骤：
8.根据权利要求7所述的一种滤芯的效能评价系统，其特征在于，根据所述相关的邻接矩阵构建指标数据识别模型，并基于所述指标数据识别模型获取相关的指标识别结果，具体包括：
9.根据权利要求7所述的一种滤芯的效能评价系统，其特征在于，基于深度神经网络构建净化效能评价模型，根据所述净化效能评价模型预测下一预设时间之内的净化效能隶属度，具体包括：
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中包括滤芯的效能评价方法程序，所述滤芯的效能评价方法程序被处理器执行时，实现如权利要求1-6任一项所述的滤芯的效能评价方法的步骤。
...
【技术特征摘要】
1.一种滤芯的效能评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种滤芯的效能评价方法，其特征在于，获取影响滤芯效能的指标数据信息，并引入图卷积神经网络，根据所述影响滤芯效能的指标数据信息以及图神经网络生成相关的邻接矩阵，具体包括：
3.根据权利要求1所述的一种滤芯的效能评价方法，其特征在于，根据所述相关的邻接矩阵构建指标数据识别模型，并基于所述指标数据识别模型获取相关的指标识别结果，具体包括：
4.根据权利要求1所述的一种滤芯的效能评价方法，其特征在于，根据所述相关的指标识别结果获取净化前的水质数据信息以及净化后的水质数据信息，并计算出滤芯的净化效能信息，构建基于时间序列的滤芯的净化效能信息，具体包括：
5.根据权利要求1所述的一种滤芯的效能评价方法，其特征在于，基于深度神经网络构建净化效能评价模型，根据所述净化效能评价模型预测下一预设时间之内的净化效能隶属度，具体包括：
6.根据权利要求1...
【专利技术属性】
技术研发人员：李晓兰，邢岑瑞，
申请(专利权)人：深圳市伟昊净化设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。