一种滤芯的效能评价方法、系统及存储介质

专利主权项内容

1.一种滤芯的效能评价方法，其特征在于，包括以下步骤：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；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；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；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，并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；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：判断所述相关的指标识别结果是否为正常的指标识别结果，若所述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；根据所述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，基于所述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；若所述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，并将所述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；当所述偏差率大于预设偏差率时，获取所述偏差率大于预设偏差率所对应的工作参数，并根据所述偏差率大于预设偏差率所对应的工作参数生成预警信息；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：设置若干净化效能隶属度范围数据信息，并根据所述净化效能隶属度范围数据信息对所述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；引入马尔科夫链，通过所述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；根据所述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算法对所述转移概率值矩阵进行降维处理，生成转移概率特征矩阵；基于深度学习网络构建净化效能评价模型，并将所述转移概率特征矩阵输入到所述净化效能评价模型中进行编码学习，通过所述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；当所述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。 详见官网：