本技術(shù)涉及通信與人工智能融合，尤其涉及一種集中凈水系統(tǒng)濾芯更換預(yù)測方法、目標(biāo)狀態(tài)空間模型訓(xùn)練方法、電子設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、集中凈水系統(tǒng)是為特定區(qū)域提供統(tǒng)一凈水服務(wù)的系統(tǒng)，一般是用于小區(qū)、學(xué)校、寫字樓、工業(yè)區(qū)等聚居地。集中凈水系統(tǒng)通過混凝、沉淀、過濾和消毒等一系列處理步驟，有效地提供清潔用水。然而，隨著集中凈水系統(tǒng)的節(jié)點(diǎn)變得越來越多，形成了集中凈水網(wǎng)絡(luò)，其系統(tǒng)維護(hù)、濾芯的維護(hù)和更換策略，對系統(tǒng)運(yùn)行的可靠性、水質(zhì)的一致性和運(yùn)營成本至關(guān)重要。傳統(tǒng)地，使用統(tǒng)一時(shí)間更換、或使用半人工半自動(dòng)檢測水質(zhì)更換的方法，屬于單個(gè)節(jié)點(diǎn)的離線判斷，無法有效利用全局?jǐn)?shù)據(jù)而造成信息孤島，對整個(gè)凈水網(wǎng)絡(luò)的全局維護(hù)策略和運(yùn)營成本造成了巨大的挑戰(zhàn)。

2、相關(guān)專利技術(shù)[1]提出利用凈化率與濾出水量之間呈線性負(fù)相關(guān)的變量函數(shù)關(guān)系，推算出凈化率用于濾芯更換預(yù)測。然而，這種方法依賴于線性回歸模型，無法處理分布式凈水網(wǎng)絡(luò)這一典型非線性的情況，也無法預(yù)測濾芯的更換時(shí)間這一非線性特點(diǎn)。參考文獻(xiàn)[2]提出了一種新穎的門控圖神經(jīng)網(wǎng)絡(luò)模型，用于供水系統(tǒng)配水管網(wǎng)中的水質(zhì)預(yù)測，然而該技術(shù)僅涉及水質(zhì)預(yù)測，不涉及系統(tǒng)維護(hù)更換策略的預(yù)測。。參考文獻(xiàn)[3]通過傳統(tǒng)的現(xiàn)場和重量法以及遙感技術(shù)測量總?cè)芙夤腆w和總懸浮固體，但這些方法成本高、勞動(dòng)強(qiáng)度大且空間覆蓋有限，同時(shí)遙感技術(shù)存在大氣干擾、輻射和光譜分辨率問題，僅能用作本技術(shù)中感知系統(tǒng)狀態(tài)的環(huán)節(jié)。

3、綜上，目前：(一)相關(guān)技術(shù)的無法準(zhǔn)確預(yù)測集中凈水系統(tǒng)中的濾芯的更換時(shí)間；(二)相關(guān)技術(shù)無法通過全局信息對每個(gè)單節(jié)點(diǎn)制定維護(hù)策略，從而形成全局最優(yōu)維護(hù)策略。

4、[1]尹霄蓉,冼海鷹,唐杰,&文英.(2023).一種濾芯壽命檢測方法,裝置,計(jì)算機(jī)設(shè)備及凈水器.cn116282374a.

5、[2]zilin?li,haixing?liu,chi?zhang,guangtao?fu,“real-time?waterquality?prediction?in?water?distribution?networks?using?graph?neural?networkswith?sparse?monitoring?data,”water?research,volume?250,2024,issn?0043-1354,https://doi.org/10.1016/j.watres.2023.121018.

6、[3]adjovu?ge,stephen?h,james?d,ahmad?s.measurement?of?total?dissolvedsolids?and?total?suspended?solids?in?water?systems:a?review?of?the?issues,conventional,and?remote?sensing?techniques.remote?sensing.2023；15(14):3534.https://doi.org/10.3390/rs15143534.

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的主要目的在于提出集中凈水系統(tǒng)濾芯更換預(yù)測方法、目標(biāo)狀態(tài)空間模型訓(xùn)練方法、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，能夠利用全局信息預(yù)測集中凈水系統(tǒng)網(wǎng)絡(luò)的濾芯的更換時(shí)間，從而提供系統(tǒng)全局最優(yōu)維護(hù)策略。

2、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的第一方面提出了一種集中凈水系統(tǒng)濾芯更換預(yù)測方法，所述集中凈水系統(tǒng)包括多個(gè)凈水節(jié)點(diǎn)，多個(gè)所述凈水節(jié)點(diǎn)形成分布式網(wǎng)絡(luò)，且多個(gè)所述凈水節(jié)點(diǎn)屬于二個(gè)以上區(qū)域，所述方法包括：

3、獲取所述凈水節(jié)點(diǎn)在連續(xù)的多個(gè)歷史時(shí)刻的節(jié)點(diǎn)歷史屬性數(shù)據(jù)向量，所述節(jié)點(diǎn)歷史屬性數(shù)據(jù)向量用于表示預(yù)測更換所述凈水節(jié)點(diǎn)的濾芯的時(shí)間所參考的數(shù)據(jù)；

4、將多個(gè)歷史時(shí)刻的所述節(jié)點(diǎn)歷史屬性數(shù)據(jù)向量輸入所述凈水節(jié)點(diǎn)的目標(biāo)狀態(tài)空間模型，通過所述目標(biāo)狀態(tài)空間模型對所述歷史時(shí)刻的所述節(jié)點(diǎn)歷史屬性數(shù)據(jù)向量以及所述歷史時(shí)刻的前一時(shí)刻的節(jié)點(diǎn)預(yù)測狀態(tài)數(shù)據(jù)向量進(jìn)行第一預(yù)測，得到所述歷史時(shí)刻的后一時(shí)刻的節(jié)點(diǎn)預(yù)測狀態(tài)數(shù)據(jù)向量，且對最后一個(gè)歷史時(shí)刻的節(jié)點(diǎn)預(yù)測狀態(tài)數(shù)據(jù)向量進(jìn)行第二預(yù)測，得到后一時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量，交替循環(huán)進(jìn)行第一預(yù)測和第二預(yù)測，得到連續(xù)的多個(gè)未來時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量；

5、將每個(gè)未來時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量輸入評估模型，通過所述評估模型對所述未來時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量進(jìn)行評估，得到所述凈水節(jié)點(diǎn)在所述未來時(shí)刻的未來狀態(tài)評估數(shù)據(jù)；

6、根據(jù)所有所述凈水節(jié)點(diǎn)的未來狀態(tài)評估數(shù)據(jù)進(jìn)行策略制定，得到所述集中凈水系統(tǒng)的目標(biāo)更換時(shí)間策略。

7、可選地，所述目標(biāo)更換時(shí)間策略包括每個(gè)所述凈水節(jié)點(diǎn)的更換子時(shí)間；所述根據(jù)所有所述凈水節(jié)點(diǎn)的未來狀態(tài)評估數(shù)據(jù)進(jìn)行策略制定，得到所述集中凈水系統(tǒng)的目標(biāo)更換時(shí)間策略，包括：

8、將所述凈水節(jié)點(diǎn)的未來時(shí)刻對應(yīng)的未來狀態(tài)評估數(shù)據(jù)與預(yù)設(shè)的狀態(tài)評估閾值進(jìn)行比較，得到比較結(jié)果；其中，所述狀態(tài)評估閾值表示無需更換濾芯的最小狀態(tài)評估值；

9、若所述比較結(jié)果為所述未來狀態(tài)評估數(shù)據(jù)小于所述狀態(tài)評估閾值，則根據(jù)所述未來狀態(tài)評估數(shù)據(jù)對應(yīng)的未來時(shí)刻確定所述更換子時(shí)間。

10、可選地，所述獲取所述凈水節(jié)點(diǎn)在連續(xù)的多個(gè)歷史時(shí)刻的節(jié)點(diǎn)歷史屬性數(shù)據(jù)向量，包括：

11、獲取所述凈水節(jié)點(diǎn)自身在連續(xù)的多個(gè)歷史時(shí)刻的節(jié)點(diǎn)屬性數(shù)據(jù)，得到本節(jié)點(diǎn)歷史屬性數(shù)據(jù)；

12、獲取所述凈水節(jié)點(diǎn)的相鄰凈水節(jié)點(diǎn)在連續(xù)的多個(gè)歷史時(shí)刻的節(jié)點(diǎn)屬性數(shù)據(jù)，得到相鄰節(jié)點(diǎn)歷史屬性數(shù)據(jù)，其中，所述相鄰凈水節(jié)點(diǎn)包含以下至少之一：與所述凈水節(jié)點(diǎn)處于相同所述區(qū)域的第一相鄰凈水節(jié)點(diǎn)和與所述凈水節(jié)點(diǎn)不處于相同所述區(qū)域的第二相鄰凈水節(jié)點(diǎn)；

13、根據(jù)所述本節(jié)點(diǎn)歷史屬性數(shù)據(jù)和所述相鄰節(jié)點(diǎn)歷史屬性數(shù)據(jù)進(jìn)行數(shù)據(jù)整合，得到所述節(jié)點(diǎn)歷史屬性數(shù)據(jù)向量。

14、可選地，所述目標(biāo)狀態(tài)空間模型包括歷史數(shù)據(jù)壓縮矩陣、當(dāng)前數(shù)據(jù)挖掘矩陣和狀態(tài)預(yù)測矩陣；

15、所述通過所述目標(biāo)狀態(tài)空間模型對所述歷史時(shí)刻的所述節(jié)點(diǎn)歷史屬性數(shù)據(jù)向量以及所述歷史時(shí)刻的前一時(shí)刻的節(jié)點(diǎn)預(yù)測狀態(tài)數(shù)據(jù)向量進(jìn)行第一預(yù)測，得到所述歷史時(shí)刻的后一時(shí)刻的節(jié)點(diǎn)預(yù)測狀態(tài)數(shù)據(jù)向量，包括：

16、通過所述歷史數(shù)據(jù)壓縮矩陣對所述歷史時(shí)刻的前一時(shí)刻的節(jié)點(diǎn)預(yù)測狀態(tài)數(shù)據(jù)向量進(jìn)行信息壓縮，得到節(jié)點(diǎn)狀態(tài)傳遞數(shù)據(jù)向量；

17、通過所述當(dāng)前數(shù)據(jù)挖掘矩陣對所述歷史時(shí)刻的節(jié)點(diǎn)歷史屬性數(shù)據(jù)向量進(jìn)行數(shù)據(jù)挖掘，得到節(jié)點(diǎn)屬性挖掘數(shù)據(jù)向量；

18、根據(jù)所述節(jié)點(diǎn)狀態(tài)傳遞數(shù)據(jù)向量和所述節(jié)點(diǎn)屬性挖掘數(shù)據(jù)向量進(jìn)行向量融合，得到所述歷史時(shí)刻的后一時(shí)刻的節(jié)點(diǎn)預(yù)測狀態(tài)數(shù)據(jù)向量；

19、所述對最后一個(gè)歷史時(shí)刻的節(jié)點(diǎn)預(yù)測狀態(tài)數(shù)據(jù)向量進(jìn)行第二預(yù)測，得到后一時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量，包括：

20、將所述狀態(tài)預(yù)測矩陣和最后一個(gè)歷史時(shí)刻的節(jié)點(diǎn)預(yù)測狀態(tài)數(shù)據(jù)向量進(jìn)行相乘，得到后一時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量。

21、可選地，所述評估模型包括系統(tǒng)狀態(tài)權(quán)重矩陣；

22、所述將每個(gè)未來時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量輸入評估模型，通過所述評估模型對所述未來時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量進(jìn)行評估，得到所述未來時(shí)刻的節(jié)點(diǎn)狀態(tài)評估數(shù)據(jù)，包括：

23、對所述未來時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量進(jìn)行共軛轉(zhuǎn)置，得到節(jié)點(diǎn)屬性數(shù)據(jù)共軛轉(zhuǎn)置向量；

24、將所述節(jié)點(diǎn)屬性數(shù)據(jù)共軛轉(zhuǎn)置向量與所述系統(tǒng)狀態(tài)權(quán)重矩陣進(jìn)行向量點(diǎn)乘，得到目標(biāo)點(diǎn)乘向量；

25、將所述目標(biāo)點(diǎn)乘向量與所述未來時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量進(jìn)行向量點(diǎn)乘，得到所述未來時(shí)刻的節(jié)點(diǎn)狀態(tài)評估數(shù)據(jù)。

26、可選地，在所述將多個(gè)歷史時(shí)刻的所述節(jié)點(diǎn)歷史屬性數(shù)據(jù)向量輸入所述凈水節(jié)點(diǎn)的目標(biāo)狀態(tài)空間模型之前，所述方法還包括：

27、訓(xùn)練得到所述目標(biāo)狀態(tài)空間模型，具體包括：

28、獲取所述集中凈水系統(tǒng)的凈水節(jié)點(diǎn)在連續(xù)的多個(gè)樣本時(shí)刻的節(jié)點(diǎn)樣本屬性數(shù)據(jù)向量；

29、對連續(xù)的多個(gè)樣本時(shí)刻的節(jié)點(diǎn)樣本屬性數(shù)據(jù)向量進(jìn)行劃分，得到所述凈水節(jié)點(diǎn)的訓(xùn)練數(shù)據(jù)以及標(biāo)簽；其中，所述訓(xùn)練數(shù)據(jù)用于指示從第一個(gè)樣本時(shí)刻到劃分時(shí)刻之間獲取的節(jié)點(diǎn)樣本屬性數(shù)據(jù)向量，所述標(biāo)簽用于指示從所述劃分時(shí)刻的后一樣本時(shí)刻到最后一個(gè)樣本時(shí)刻之間獲取的節(jié)點(diǎn)樣本屬性數(shù)據(jù)向量；

30、基于所述分布式網(wǎng)絡(luò)構(gòu)造得到鄰接矩陣；

31、將所述凈水節(jié)點(diǎn)的訓(xùn)練數(shù)據(jù)輸入所述凈水節(jié)點(diǎn)的初始狀態(tài)空間模型，得到預(yù)測數(shù)據(jù)，所述預(yù)測數(shù)據(jù)用于指示從所述劃分時(shí)刻的后一樣本時(shí)刻到最后一個(gè)樣本時(shí)刻之間預(yù)測的節(jié)點(diǎn)樣本屬性數(shù)據(jù)向量；

32、根據(jù)所有所述凈水節(jié)點(diǎn)的所述初始狀態(tài)空間模型的初始權(quán)重子參數(shù)進(jìn)行整合，得到初始全局權(quán)重參數(shù)；

33、根據(jù)所述凈水節(jié)點(diǎn)的標(biāo)簽和預(yù)測數(shù)據(jù)進(jìn)行節(jié)點(diǎn)損失計(jì)算，得到節(jié)點(diǎn)損失數(shù)據(jù)；

34、根據(jù)所述鄰接矩陣、所有所述凈水節(jié)點(diǎn)的所述訓(xùn)練數(shù)據(jù)和所述初始全局權(quán)重參數(shù)進(jìn)行正則損失計(jì)算，得到正則損失數(shù)據(jù)；

35、根據(jù)所有所述凈水節(jié)點(diǎn)的所述節(jié)點(diǎn)損失數(shù)據(jù)和所述正則損失數(shù)據(jù)對所述初始全局權(quán)重參數(shù)進(jìn)行調(diào)整，得到目標(biāo)全局權(quán)重參數(shù)；所述目標(biāo)全局權(quán)重參數(shù)包含多個(gè)所述凈水節(jié)點(diǎn)的目標(biāo)權(quán)重子參數(shù)；

36、針對每個(gè)所述凈水節(jié)點(diǎn)，用所述目標(biāo)權(quán)重子參數(shù)替換所述初始狀態(tài)空間模型中的所述初始權(quán)重子參數(shù)，得到所述目標(biāo)狀態(tài)空間模型。

37、可選地，所述根據(jù)所有所述凈水節(jié)點(diǎn)的所述節(jié)點(diǎn)損失數(shù)據(jù)和所述正則損失數(shù)據(jù)對所述初始全局權(quán)重參數(shù)進(jìn)行調(diào)整，得到目標(biāo)全局權(quán)重參數(shù)，包括：

38、根據(jù)每個(gè)所述凈水節(jié)點(diǎn)的所述節(jié)點(diǎn)損失數(shù)據(jù)，計(jì)算得到所述凈水節(jié)點(diǎn)的梯度；

39、利用本地優(yōu)化函數(shù)對所述初始權(quán)重子參數(shù)和所述凈水節(jié)點(diǎn)的梯度進(jìn)行本地優(yōu)化，得到所述凈水節(jié)點(diǎn)的中間權(quán)重子參數(shù)；

40、利用鄰域優(yōu)化函數(shù)對所述凈水節(jié)點(diǎn)的所述中間權(quán)重子參數(shù)和所述正則損失數(shù)據(jù)進(jìn)行鄰域優(yōu)化，得到所述凈水節(jié)點(diǎn)的更新權(quán)重子參數(shù)；

41、基于所述更新權(quán)重子參數(shù)更新所述節(jié)點(diǎn)損失數(shù)據(jù)和所述正則損失數(shù)據(jù)，并基于更新后的所有所述凈水節(jié)點(diǎn)的所述節(jié)點(diǎn)損失數(shù)據(jù)和更新后的所述正則損失數(shù)據(jù)計(jì)算得到全局損失數(shù)據(jù)；

42、若所述全局損失數(shù)據(jù)小于預(yù)設(shè)的損失閾值，則將所述更新權(quán)重子參數(shù)確定為所述目標(biāo)權(quán)重子參數(shù)。

43、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的第二方面提出了一種目標(biāo)狀態(tài)空間模型訓(xùn)練方法，所述目標(biāo)狀態(tài)空間模型用于對集中凈水系統(tǒng)進(jìn)行濾芯更換預(yù)測，所述集中凈水系統(tǒng)包括多個(gè)凈水節(jié)點(diǎn)，多個(gè)所述凈水節(jié)點(diǎn)形成分布式網(wǎng)絡(luò)，且多個(gè)所述凈水節(jié)點(diǎn)屬于二個(gè)以上區(qū)域；所述方法包括：

44、獲取所述集中凈水系統(tǒng)的凈水節(jié)點(diǎn)在連續(xù)的多個(gè)樣本時(shí)刻的節(jié)點(diǎn)樣本屬性數(shù)據(jù)向量；

45、對連續(xù)的多個(gè)樣本時(shí)刻的節(jié)點(diǎn)樣本屬性數(shù)據(jù)向量進(jìn)行劃分，得到所述凈水節(jié)點(diǎn)的訓(xùn)練數(shù)據(jù)以及標(biāo)簽；其中，所述訓(xùn)練數(shù)據(jù)用于指示從第一個(gè)樣本時(shí)刻到劃分時(shí)刻之間獲取的節(jié)點(diǎn)樣本屬性數(shù)據(jù)向量，所述標(biāo)簽用于指示從所述劃分時(shí)刻的后一樣本時(shí)刻到最后一個(gè)樣本時(shí)刻之間獲取的節(jié)點(diǎn)樣本屬性數(shù)據(jù)向量；

46、基于所述分布式網(wǎng)絡(luò)構(gòu)造得到鄰接矩陣；

47、將所述凈水節(jié)點(diǎn)的訓(xùn)練數(shù)據(jù)輸入所述凈水節(jié)點(diǎn)的初始狀態(tài)空間模型，得到預(yù)測數(shù)據(jù)，所述預(yù)測數(shù)據(jù)用于指示從所述劃分時(shí)刻的后一樣本時(shí)刻到最后一個(gè)樣本時(shí)刻之間預(yù)測的節(jié)點(diǎn)樣本屬性數(shù)據(jù)向量；

48、根據(jù)所有所述凈水節(jié)點(diǎn)的所述初始狀態(tài)空間模型的初始權(quán)重子參數(shù)進(jìn)行整合，得到初始全局權(quán)重參數(shù)；

49、根據(jù)所述凈水節(jié)點(diǎn)的標(biāo)簽和預(yù)測數(shù)據(jù)進(jìn)行節(jié)點(diǎn)損失計(jì)算，得到節(jié)點(diǎn)損失數(shù)據(jù)；

50、根據(jù)所述鄰接矩陣、所有所述凈水節(jié)點(diǎn)的所述訓(xùn)練數(shù)據(jù)和所述初始全局權(quán)重參數(shù)進(jìn)行正則損失計(jì)算，得到正則損失數(shù)據(jù)；

51、根據(jù)所有所述凈水節(jié)點(diǎn)的所述節(jié)點(diǎn)損失數(shù)據(jù)和所述正則損失數(shù)據(jù)對所述初始全局權(quán)重參數(shù)進(jìn)行調(diào)整，得到目標(biāo)全局權(quán)重參數(shù)；所述目標(biāo)全局權(quán)重參數(shù)包含多個(gè)所述凈水節(jié)點(diǎn)的目標(biāo)權(quán)重子參數(shù)；

52、針對每個(gè)所述凈水節(jié)點(diǎn)，用所述目標(biāo)權(quán)重子參數(shù)替換所述初始狀態(tài)空間模型中的所述初始權(quán)重子參數(shù)，得到目標(biāo)狀態(tài)空間模型。

53、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的第三方面提出了一種電子設(shè)備，所述電子設(shè)備包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述第一方面或第二方面所述的方法。

54、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的第四方面提出了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述第一方面或第二方面所述的方法。

55、本技術(shù)提出的一種集中凈水系統(tǒng)濾芯更換預(yù)測方法、目標(biāo)狀態(tài)空間模型訓(xùn)練方法、電子設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，通過先獲取各個(gè)凈水節(jié)點(diǎn)在連續(xù)的多個(gè)歷史時(shí)刻的節(jié)點(diǎn)歷史屬性數(shù)據(jù)向量，其中，多個(gè)凈水節(jié)點(diǎn)形成分布式網(wǎng)絡(luò)，且多個(gè)凈水節(jié)點(diǎn)屬于兩個(gè)以上區(qū)域。然后通過凈水節(jié)點(diǎn)對應(yīng)的目標(biāo)狀態(tài)空間模型對多個(gè)歷史時(shí)刻的節(jié)點(diǎn)屬性數(shù)據(jù)向量進(jìn)行預(yù)測，得到多個(gè)未來時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量。具體是目標(biāo)狀態(tài)空間分為第一預(yù)測和第二預(yù)測，利用第一預(yù)測能夠多個(gè)歷史時(shí)刻的節(jié)點(diǎn)歷史屬性數(shù)據(jù)向量挖掘得到節(jié)點(diǎn)預(yù)測狀態(tài)數(shù)據(jù)向量，再利用第二預(yù)測能夠從節(jié)點(diǎn)預(yù)測狀態(tài)數(shù)據(jù)向量和節(jié)點(diǎn)歷史屬性向量共同預(yù)測出未來時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量。這樣一來，基于節(jié)點(diǎn)歷史屬性數(shù)據(jù)向量和目標(biāo)狀態(tài)空間模型，能夠預(yù)測得到未來時(shí)刻的節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)向量。然后，利用評估模型對節(jié)點(diǎn)預(yù)測屬性數(shù)據(jù)進(jìn)行評估，得到凈水節(jié)點(diǎn)在未來時(shí)刻的未來狀態(tài)評估數(shù)據(jù)。最后根據(jù)所有凈水節(jié)點(diǎn)的未來狀態(tài)評估數(shù)據(jù)進(jìn)行策略制定，得到集中凈水系統(tǒng)的目標(biāo)更換時(shí)間策略。可見，本技術(shù)能夠預(yù)測集中凈水系統(tǒng)中的濾芯的更換時(shí)間。

56、本技術(shù)的其它特征和優(yōu)點(diǎn)將在隨后的說明書中闡述，并且，部分地從說明書中變得顯而易見，或者通過實(shí)施本技術(shù)而了解。本技術(shù)的目的和其他優(yōu)點(diǎn)可通過在說明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來實(shí)現(xiàn)和獲得。