本发明涉及设备监测参数优化邻域，更具体地说，本发明涉及基于数据识别的固体生物废物处理设备监测方法。
背景技术：
1、固体生物废物处理设备是用于处理含有生物成分的固体废弃物的设备，通常通过生物学过程将废物转化为更环保的物质。监测这类设备对于确保其高效运行和环保性至关重要。然而，现有的固体生物废物处理设备监测过程中存在一个问题，即面向监测的参数选择往往是主观臆测的，缺乏系统性和客观性。不同工作程度和模式下的设备可能与不同参数相关联，而目前的参数选择往往缺乏足够的显著性和代表性，可能导致最终选择的参数在监测过程中缺乏充分的意义。这种不足之处可能阻碍了对固体生物废物处理设备运行状况的准确监测和评估。
2、为了解决上述问题，现提供一种技术方案。
技术实现思路
1、为了克服现有技术的上述缺陷，本发明的实施例提供基于数据识别的固体生物废物处理设备监测方法，通过统计和记录设备参数，提取异常和敏感特征，包括离群特异度指数和熵敏指数。这些特征经综合处理形成显著指数，有助于分析参数对设备的显著水平。经过综合分析不仅筛选有监测价值的参数，也深化对设备状态的理解，提高对异常情况的敏感性，为性能优化和故障预测提供益处。在获得有价值参数后，进行相似性度量揭示参数间关联，优化后期监测预警简洁性和解释性。进一步分析关联在时间上的一致性，基于显著系数选择稳定参数对，提高监测预警的可靠性。这种优化选择过程可带来更准确的设备状态评估和异常检测，增强监测系统对设备运行状况的精准度，为设备管理监测提供更有利基础，以解决上述背景技术中提出的问题。
2、为实现上述目的，本发明提供如下技术方案：步骤s100，获取设备的各项监测的参数，将各项参数按照固定格式统一记录；
3、步骤s200，进一步分别提取设备的异常和敏感特征，对各项特征进行综合计算获取显著系数，基于显著系数对参数进行评估和筛选；
4、步骤s300，通过相似分析方法，获得参数对之间的相似量化指数，确定参数对之间的相互关系；
5、步骤s400，基于一段时间内的相似量化指数的变异系数，将变异系数小于变异阈值的参数对中显著系数较小的参数进行删除。
6、在一个优选的实施方式中，步骤s300具体包括以下内容：
7、统计和记录设备运行时的各种参数信息，获取参数的异常和敏感特征，其中，异常特征包括离群特异度指数，敏感特征包括熵敏指数。
8、在一个优选的实施方式中，离群特异度指数的获取过程为：
9、步骤一，对每一对参数x和y，计算其欧式距离；
10、步骤二，对于每个参数，找到其k个最近邻参数，计算局部邻域内k个最近邻的平均距离avgdist（x）；
11、对于每个参数x，计算其lof值：
12、；
13、其中：
14、是x的局部邻域，即与参数x距离最近的k的邻居；
15、是参数x的局部邻域内k个最近邻的平均距离，即参数x与其邻域内其他点的平均距离；
16、步骤三，对于每个参数x，计算其离群特异度指数ad：
17、；
18、其中：
19、表示参数x的离群特异度指数；
20、是参数x的异常度量值的对应阈值；
21、是与x最近的k个邻居。
22、在一个优选的实施方式中，熵敏指数的计算过程为：
23、步骤一，统计设备的性能指标；
24、将性能指标划分为额定数量的离散化的区间，将性能指标的取值范围划分为不同的状态，每个状态表示一组相似的性能水平；
25、步骤二，计算设备的性能的信息熵；
26、；
27、其中，是设备性能处于状态z的概率；
28、步骤三，逐步改变参数x，记录每次变化后设备性能z的状态集合，并计算每个状态的概率；
29、计算参数变化引入的不确定性，即设备性能信息熵的增加：
30、；
31、其中，是参数变化后的设备性能信息熵；
32、步骤四，对每个参数x，定义参数变化率：
33、；
34、表示随机变量的增量，用于描述随机过程中的变化情况，表示在某个时间间隔或空间区域内，随机变量的变化量；
35、计算参数x引入的不确定性相对于参数变化率的敏感度，即熵敏度：
36、；
37、其中，表示熵敏度；
38、步骤五，在设备运行的单位时间内多次固定间隔时间采集熵敏度，对所获得的多个熵敏度进行排序，选择排序后的第一个和最后一个值，作为熵敏度的波动区间；
39、步骤六，计算波动区间与阈值区间的重合程度，获得熵敏指数，计算公式为：
40、；
41、其中，表示熵敏指数，表示波动区间与阈值区间的重合区间长度，和分别是波动区间和阈值区间的长度。
42、在一个优选的实施方式中，将离群特异度指数和熵敏指数经过综合处理得到显著指数，可以通过以下计算获得：
43、；
44、其中，表示显著指数，和分别为离群特异度指数和熵敏指数，和分别为离群特异度指数和熵敏指数的预设比例系数，并且均大于零。
45、在一个优选的实施方式中，将显著指数与显著阈值进行比较，若显著指数大于或等于显著阈值，生成第一保留信号；反之，若显著指数小于显著阈值，生成筛除信号。
46、在一个优选的实施方式中，步骤s300具体包括以下内容：
47、统计获得第一保留信号的参数且参数个数大于预定数量时，计算各个参数的相似量化指数，具体如下：
48、步骤一，对于每个参数，计算相互之间的欧式距离，得到距离矩阵；
49、步骤二，将距离矩阵进行标准化，确保不同参数之间的距离具有可比性，可以使用min-max标准化或其他标准化方法；
50、步骤三，对于每个参数，计算其与其他参数的平均距离，计算公式如下：
51、；
52、其中，表示每个参数与其他参数的平均距离，是参数的总数，表示距离矩阵，和表示每对参数；
53、步骤四，利用距离矩阵和每个参数与其他参数的平均距离，计算相似量化指数：
54、；
55、其中，表示相似量化指数，和是非负调节参数。
56、在一个优选的实施方式中，将相似量化指数和分类阈值进行比较，若相似量化指数大于或等于分类阈值，生成替换信号；若相似量化指数小于分类阈值，生成第二保留信号。
57、在一个优选的实施方式中，步骤s400具体包括以下内容：
58、在单位时间内获取额定次数的相似量化指数，分别计算获得标准差值和平均值，再计算标准差和平均值的比值得到变异系数，将变异系数和变异阈值进行比较，若变异系数小于变异阈值，则获取该对参数各自的显著系数，比较两者的显著系数值的大小，对显著系数较小的参数进行删除；若变异系数大于或等于变异阈值，不对该对参数中的参数进行平替操作。
59、本发明基于数据识别的固体生物废物处理设备监测方法的技术效果和优点：
60、1.本发明通过统计和记录设备运行时的各种参数信息，特征提取获得异常和敏感特征。其中，异常特征主要包括离群特异度指数，用于识别参数值的异常情况；而敏感特征则包括熵敏指数，用于衡量参数对系统运行的敏感程度。将这两类特征进行综合处理，得到显著指数，有助于分析参数对监测设备的显著水平。这样的综合分析不仅可以筛选出更加有监测价值的参数，也能够深化对设备运行状态的理解，提高监测系统对异常情况的敏感性，从而为设备性能优化和故障预测提供更有益的效果。
61、2.本发明在经过筛选得出数量大于预定的有价值参数后，进行参数之间的相似性度量，有助于揭示参数之间的潜在关联和相互影响，提供更加精准的设备状态模式和规律识别。同时，相似性度量有助于发现可能存在的冗余信息和共线性关系，避免了在模型中重复使用冗余信息的问题。通过深化对参数之间相互关系的理解，这一过程不仅提高了监测设备模型的简洁性和解释性，而且有助于优化模型性能，使其更能准确地捕捉设备运行状态的复杂变化，为系统管理和故障预测提供了有益的效果。
62、3.在分析参数之间的相关性后，进一步考察这些关联是否在一段时间内是统一的，是决策中至关重要的一步。这个分析过程的说服力和代表性取决于参数关联在时间上是否一致。对于具有说服力和代表性的参数对，基于显著系数的数值大小，选择性地平替价值较低的一方。这个操作过程的好处在于优化了选择，保留了在时间上表现更为稳定和显著的参数对，提高了模型的可靠性和实用性。对监测设备而言，这意味着更准确的状态评估和异常检测，从而提高了设备监测系统对于设备运行状况的精准度和可靠性，为设备管理和维护决策提供了更有利的基础。
1.基于数据识别的固体生物废物处理设备监测方法，其特征在于：
2.根据权利要求1所述的基于数据识别的固体生物废物处理设备监测方法，其特征在于：
3.根据权利要求2所述的基于数据识别的固体生物废物处理设备监测方法，其特征在于：
4.根据权利要求3所述的基于数据识别的固体生物废物处理设备监测方法，其特征在于：
5.根据权利要求4所述的基于数据识别的固体生物废物处理设备监测方法，其特征在于：
