水厂生物活性炭运行状况评估方法、装置及系统

技术领域

本发明涉及生物活性炭评估技术领域，尤其涉及一种水厂生物活性炭运行状况评估方法、水厂生物活性炭运行状况评估装置及水厂生物活性炭运行状况评估系统。

背景技术

在水厂的实际生产运行中，活性炭处理效果不理想及运行成本较高的问题往往是由于活性炭本身处理效能下降或者水厂不恰当的运行管理方式造成的。对水厂生物活性炭运行状况进行综合评估，可以对水厂运行方式提供指导，不仅可以降低运行成本，还可以优化运行参数，使工艺运行稳定，提高出水水质。但目前对于生物活性炭运行状况的评估过程繁琐，耗时较长，且评估方法单一，导致评估分析结果不确定性高。

因此，如何能够提升水厂生物活性炭评估的准确性和效率成为本领域技术人员亟待解决的技术问题。

发明内容

本发明提供了一种水厂生物活性炭运行状况评估方法、水厂生物活性炭运行状况评估装置及水厂生物活性炭运行状况评估系统，解决相关技术中存在的水厂生物活性炭评估准确性低以及效率低的问题。

作为本发明的第一个方面，提供一种水厂生物活性炭运行状况评估方法，其中，包括：

根据水厂历史活性炭指标监测数据以及水厂活性炭指标实时评估结果进行动态计算确定当前活性炭监测数据结果，所述水厂历史活性炭指标监测数据包括历史活性炭理化指标监测数据、历史活性炭生物指标监测数据和历史炭滤池出水水质指标监测数据，所述水厂活性炭指标实时评估结果包括活性炭理化指标实时评估结果、活性炭生物指标实时评估结果和炭滤池出水水质指标实时评估结果；

获取原水水质数据，并根据所述原水水质数据确定原水水质数据对活性炭监测数据的调整结果；

获取水厂综合管理数据，并根据所述水厂综合管理数据确定水厂综合管理数据对活性炭监测数据的调整结果；

根据所述当前活性炭监测数据结果、原水水质数据对活性炭监测数据的调整结果以及水厂综合管理数据对活性炭监测数据的调整结果进行综合计算确定水厂活性炭评估分数；

根据水厂活性炭评估分数与预设活性炭评估等级表比对以确定水厂活性炭评估等级；

输出所述水厂活性炭评估分数和所述水厂活性炭评估等级。

进一步地，根据水厂历史活性炭指标监测数据以及水厂活性炭指标实时评估结果进行动态计算确定当前活性炭监测数据结果，包括：

根据水厂历史活性炭指标监测数据进行数据处理以及计算确定活性炭相关指标权重数据；

根据所述活性炭相关指标权重数据和水厂活性炭指标实时评估结果进行计算确定当前活性炭监测数据结果。

进一步地，根据水厂历史活性炭指标监测数据进行数据处理以及计算确定活性炭相关指标权重数据，包括：

分别对历史活性炭理化指标监测数据、历史活性炭生物指标监测数据和历史炭滤池出水水质指标监测数据进行数据完整性判断与处理，获得对应的活性炭理化指标处理数据、活性炭生物指标处理数据和炭滤池出水水质处理数据；

根据权重计算算法分别对活性炭理化指标处理数据中的活性炭理化指标占比、活性炭生物指标处理数据中的活性炭生物指标占比和炭滤池出水水质处理数据中炭滤池出水水质指标占比进行计算，确定活性炭理化指标权重数据、活性炭生物指标权重数据和炭滤池出水水质指标权重数据，其中所述权重计算算法至少包括熵值法和/或主成分分析法。

进一步地，根据所述活性炭相关指标权重数据和水厂活性炭指标实时评估结果进行计算确定当前活性炭监测数据结果，包括：

分别根据活性炭理化指标实时评估结果、活性炭生物指标实时评估结果和炭滤池出水水质指标实时评估结果进行数据清洗以及判断处理，获得活性炭理化指标对应得分、活性炭生物指标对应得分以及炭滤池出水水质指标对应得分；

根据所述活性炭理化指标权重数据和所述活性炭理化指标对应得分进行计算确定当前活性炭理化指标监测数据，根据所述活性炭生物指标权重数据和所述活性炭生物指标对应得分进行计算确定当前活性炭生化指标监测数据，以及根据所述炭滤池出水水质指标权重数据和所述炭滤池出水水质指标对应得分进行计算确定当前炭滤池出水水质指标监测数据。

进一步地，获取原水水质数据，并根据所述原水水质数据确定原水水质数据对活性炭监测数据的调整结果，包括：

判断原水水质数据库中的历史数据是否满足大于预设原水水质数据量；

若所述原水水质数据库中的历史数据大于预设原水水质数据量，则根据所述原水水质数据库中的历史数据进行风险系数计算获得原水风险系数。

进一步地，根据所述原水水质数据库中的历史数据进行风险系数计算获得原水水质风险系数，包括：

判断原水水质数据库中的每个原水水质指标的最大值是否小于或者等于该指标对应的预设最大阈值；

若原水水质数据库中的当前原水水质指标的最大值小于或者等于该指标对应的预设最大阈值，则确定该原水水质指标的风险系数为1，并输出该原水水质指标的风险系数；

若原水水质数据库中的当前原水水质指标的最大值大于该指标对应的预设最大阈值，则判断当前原水水质指标的最大值出现的次数是否大于预设次数阈值；

若当前原水水质指标的最大值出现的次数大于预设次数阈值，则确定该原水水质指标的风险系数为第一风险系数，所述第一风险系数小于1；

若当前原水水质指标的最大值出现的次数不大于预设次数阈值，则确定该原水水质指标的风险系数为第二风险系数，所述第二风险系数小于1，且所述第二风险系数小于所述第一风险系数；

根据原水实质数据库中的每个原水水质指标的风险系数的相乘结果确定原水风险系数。

进一步地，获取水厂综合管理数据，并根据所述水厂综合管理数据确定水厂综合管理数据对活性炭监测数据的调整结果，包括：

判断水厂综合管理数据库中的历史数据是否大于预设水厂综合管理数据量；

若水厂综合管理数据库中的历史数据大于预设水厂综合管理数据量，则根据水厂综合管理数据中的分类模型确定水厂综合管理系数，所述分类模型包括人员素质检验模型、制度保障检验模型和硬件设施检验模型。

进一步地，根据水厂活性炭评估分数与预设活性炭评估等级表比对以确定水厂活性炭评估等级，包括：

将水厂活性炭评估分数按照预设活性炭评估等级由高到低的顺序依次比对，以确定水厂活性炭评估等级，其中预设活性炭评估等级由高到低依次包括：非常健康、健康、亚健康、不健康和病态。

作为本发明的另一个方面，提供一种水厂生物活性炭运行状况评估装置，用于实现前文所述的水厂生物活性炭运行状况评估方法，其中，包括：

活性炭监测数据确定模块，用于根据水厂历史活性炭指标监测数据以及水厂活性炭指标实时评估结果进行动态计算确定当前活性炭监测数据结果，所述水厂历史活性炭指标监测数据包括历史活性炭理化指标监测数据、历史活性炭生物指标监测数据和历史炭滤池出水水质指标监测数据，所述水厂活性炭指标实时评估结果包括活性炭理化指标实时评估结果、活性炭生物指标实时评估结果和炭滤池出水水质指标实时评估结果；

原水水质影响模块，用于获取原水水质数据，并根据所述原水水质数据确定原水水质数据对活性炭监测数据的调整结果；

水厂综合管理数据影响模块，用于获取水厂综合管理数据，并根据所述水厂综合管理数据确定水厂综合管理数据对活性炭监测数据的调整结果；

评估分数确定模块，用于根据所述当前活性炭监测数据结果、原水水质数据对活性炭监测数据的调整结果以及水厂综合管理数据对活性炭监测数据的调整结果进行综合计算确定水厂活性炭评估分数；

评估等级确定模块，用于根据水厂活性炭评估分数与预设活性炭评估等级表比对以确定水厂活性炭评估等级；

输出模块，用于输出所述水厂活性炭评估分数和所述水厂活性炭评估等级。

作为本发明的另一个方面，提供一种水厂生物活性炭运行状况评估系统，其中，包括：水厂历史活性炭指标监测数据库、原水水质数据库、水厂综合管理数据库和前文所述的水厂生物活性炭运行状况评估装置，所述水厂历史活性炭指标监测数据库、原水水质数据库、水厂综合管理数据库均与所述水厂生物活性炭运行状况评估装置通信连接。

本发明提供的水厂生物活性炭运行状况评估方法，基于历史活性炭指标监测数据以及活性炭实时评估结果确定当前活性炭监测数据结果，进而根据原水水质数据和水厂综合管理数据确定两者对当前活性炭监测数据结果的影响程度，最终基于原水水质数据和水厂综合管理数据的影响程度和当前活性炭监测数据结果确定水厂活性炭评估分数，实现对水厂生物活性炭运行状态的评估。这种水厂生物活性炭运行状况评估方法，由于在评估过程中增加原水水质数据以及水厂综合管理数据调整当前活性炭监测数据结果，能够有效提升最终评估结果的准确性，且由于该评估方法基于历史数据以及实时评估结果等进行自动评估，还具有评估效率高的优势。

附图说明

附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。

图1为本发明提供的水厂生物活性炭运行状况评估方法的流程图。

图2为本发明提供的确定当前活性炭监测数据结果的流程图。

图3为本发明提供的根据历史活性炭理化指标监测数据确定活性炭理化指标权重数据的流程图。

图4为本发明提供的根据历史活性炭生物指标监测数据确定活性炭生物指标权重数据的流程图。

图5为本发明提供的根据历史炭滤池出水水质指标监测数据确定炭滤池出水水质指标权重数据的流程图。

图6为本发明提供的获得活性炭理化指标对应得分的流程图。

图7为本发明提供的获得活性炭生物指标对应得分的流程图。

图8为本发明提供的获得炭滤池出水水质指标对应得分的流程图。

图9为本发明提供的计算指标的各项得分的计算过程流程图。

图10为本发明提供的根据活性炭理化指标权重与各自对应的指标得分数据获得对应监测数据的流程图。

图11为本发明提供的确定原水风险系数的流程图。

图12为本发明提供的针对原水水质数据确定原水风险系数的具体流程图。

图13为本发明提供的获得最终原水风险系数得分的具体实施方式流程图。

图14为本发明提供的确定水厂综合管理系数的流程图。

图15为本发明提供的依据分类模型确定水厂综合管理系数得分的具体流程图。

图16为本发明提供的根据评估分数确定评估等级的流程图。

图17为本发明提供的水厂生物活性炭运行状况评估系统的结构框图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。

为了使本领域技术人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包括，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本实施例中提供了一种水厂生物活性炭运行状况评估方法，图1是根据本发明实施例提供的水厂生物活性炭运行状况评估方法的流程图，如图1所示，包括：

S100、根据水厂历史活性炭指标监测数据以及水厂活性炭指标实时评估结果进行动态计算确定当前活性炭监测数据结果，所述水厂历史活性炭指标监测数据包括历史活性炭理化指标监测数据、历史活性炭生物指标监测数据和历史炭滤池出水水质指标监测数据，所述水厂活性炭指标实时评估结果包括活性炭理化指标实时评估结果、活性炭生物指标实时评估结果和炭滤池出水水质指标实时评估结果；

具体地，基于水厂历史活性炭指标监测数据以及水厂活性炭指标实时评估结果能够获得当前活性炭监测数据结果，由于历史活性炭指标监测数据库是动态数据库，进行实时更新的，此处由于水厂活性炭指标实时评估结果具体为历史活性炭指标监测数据库中最新的一次数据，因此获得的当前活性炭监测数据结果也是动态结果，即跟随水厂活性炭指标实时评估结果的变化而变化。

另外，在本发明实施例中，活性炭指标具体可以包括活性炭理化指标、活性炭水生物指标和炭滤池出水水质指标，因此，水厂历史活性炭指标监测数据包括历史活性炭理化指标监测数据、历史活性炭生物指标监测数据和历史炭滤池出水水质指标监测数据，水厂活性炭指标实时评估结果包括活性炭理化指标实时评估结果、活性炭生物指标实时评估结果和炭滤池出水水质指标实时评估结果。

S200、获取原水水质数据，并根据所述原水水质数据确定原水水质数据对活性炭监测数据的调整结果；

在本发明实施例中，原水水质数据是能够影响当前活性炭监测数据结果的，因此，此处通过原水水质数据确定其对活性炭监测数据的影响程度。

S300、获取水厂综合管理数据，并根据所述水厂综合管理数据确定水厂综合管理数据对活性炭监测数据的调整结果；

在本发明实施例中，水厂综合管理数据也是影响当前活性炭监测数据结果，因此，通过水厂综合管理数据确定其对活性炭监测数据的影响程度，从而能够获得更加精准的活性炭监测数据结果。

S400、根据所述当前活性炭监测数据结果、原水水质数据对活性炭监测数据的调整结果以及水厂综合管理数据对活性炭监测数据的调整结果进行综合计算确定水厂活性炭评估分数；

在本发明实施例中，根据历史活性炭指标监测数据确定当前活性炭监测数据结果，并结合原水水质数据以及水厂综合管理数据对当前活性炭监测数据的影响程度能够确定水厂活性炭评估分数。

S500、根据水厂活性炭评估分数与预设活性炭评估等级表比对以确定水厂活性炭评估等级；

针对活性炭的评估结果不同的水厂可以预设不同的评估等级，根据预设活性炭评估等级对上述活性炭评估分数进行评估等级确认。

S600、输出所述水厂活性炭评估分数和所述水厂活性炭评估等级。

综上，本发明实施例提供的水厂生物活性炭运行状况评估方法，基于历史活性炭指标监测数据以及活性炭实时评估结果确定当前活性炭监测数据结果，进而根据原水水质数据和水厂综合管理数据确定两者对当前活性炭监测数据结果的影响程度，最终基于原水水质数据和水厂综合管理数据的影响程度和当前活性炭监测数据结果确定水厂活性炭评估分数，实现对水厂生物活性炭运行状态的评估。这种水厂生物活性炭运行状况评估方法，由于在评估过程中增加原水水质数据以及水厂综合管理数据调整当前活性炭监测数据结果，能够有效提升最终评估结果的准确性，且由于该评估方法基于历史数据以及实时评估结果等进行自动评估，还具有评估效率高的优势。

作为一种具体地实施方式，根据水厂历史活性炭指标监测数据以及水厂活性炭指标实时评估结果进行动态计算确定当前活性炭监测数据结果，如图2所示，包括：

S110、根据水厂历史活性炭指标监测数据进行数据处理以及计算确定活性炭相关指标权重数据；

在本发明实施例中，为了确定当前活性炭监测数据结果，首先需要确定活性炭相关指标的权重占比。

具体地，包括：

1)分别对历史活性炭理化指标监测数据、历史活性炭生物指标监测数据和历史炭滤池出水水质指标监测数据进行数据完整性判断与处理，获得对应的活性炭理化指标处理数据、活性炭生物指标处理数据和炭滤池出水水质处理数据；

2)根据权重计算算法分别对活性炭理化指标处理数据中的活性炭理化指标占比、活性炭生物指标处理数据中的活性炭生物指标占比和炭滤池出水水质处理数据中炭滤池出水水质指标占比进行计算，确定活性炭理化指标权重数据、活性炭生物指标权重数据和炭滤池出水水质指标权重数据，其中所述权重计算算法至少包括熵值法和/或主成分分析法。

在本发明实施例中，如图3至图5所示，分别为根据历史活性炭理化指标监测数据确定活性炭理化指标权重数据、根据历史活性炭生物指标监测数据确定活性炭生物指标权重数据以及根据历史炭滤池出水水质指标监测数据确定炭滤池出水水质指标权重数据的流程图。

如图3所示，针对历史活性炭理化指标监测数据进行数据审查处理，以判断历史活性炭理化指标监测数据库中的每一个数据表都有数据，如果是则进一步判断每个数据表的数量是否都大于预设数量阈值，例如历史活性炭理化指标具体可以包括强度、碘值、亚甲蓝值等指标，即首先判断每个指标对应的数据表是否都有数据，如果有数据缺失，则对缺失值对应的指标数据表进行删除处理。如果数据表中均有数据，则判断每个指标数据表的数量是否都大于预设数量阈值(比如该指标数据表的数量可以为2)，在满足预设数量阈值的情况下，根据权重计算算法针对每个指标的权重进行计算，例如此处针对活性炭理化指标可以采用熵值法进行计算。

图3所示为以活性炭理化指标包括8个指标为例，最终输出8个权重占比。

同理，针对活性炭生物指标进行数据处理并对数据表进行判断，获得活性炭生物指标权重占比，如图4所示。在该图4中，活性炭生物指标以6个指标为例，例如可以包括生物量、生物活性、辛普森指数等等。

图5所示为针对炭滤池出水水质的权重进行计算，此处以7个具体指标为例，最终获得炭滤池出水水质权重占比。在本发明实施例中，炭滤池出水水质指标具体可以包括高锰酸盐指数去除率、TOC去除率、氨氮去除率等等。

S120、根据所述活性炭相关指标权重数据和水厂活性炭指标实时评估结果进行计算确定当前活性炭监测数据结果。

在本发明实施例中，通过上述获得的活性炭相关指标权重数据和水厂活性炭指标实时评估结果进行计算即可获得活性炭监测数据结果。

具体地，包括：

1)分别根据活性炭理化指标实时评估结果、活性炭生物指标实时评估结果和炭滤池出水水质指标实时评估结果进行数据清洗以及判断处理，获得活性炭理化指标对应得分、活性炭生物指标对应得分以及炭滤池出水水质指标对应得分；

在本发明实施例中，如图6至图8所示，分别获得活性炭理化指标对应得分、活性炭生物指标对应得分以及炭滤池出水水质指标对应得分的流程图。

如图6所示，针对活性炭理化指标评估数据表中的数据进行数据审查以判断该数据表中的数据是否有缺失，若存在缺失则可以通过拉格朗日差值填充缺失值，若不存在缺失则直接计算数据表中活性炭理化指标的各项得分，最终获得每一项对应的得分。在该图6中，同样以活性炭理化指标包括8项具体指标为例。

同理，图7和图8所示的指标得分的获得过程相类似。

在该实施例中，具体计算指标的各项得分的计算过程可以参照图9所示计算流程。

具体针对任意一个指标中的具体指标项进行得分评估时，首先要判断该指标的数据是否大于或者等于预设最大阈值，若满足该条件，则输出该指标评估得分为A＝1，若不满足该条件，则继续判断该指标数据是否小于等于预设最小阈值，若满足该条件在，则输出该指标评估得分为A＝0，而针对小于预设最大阈值且大于预设最小阈值的情况，则输出该指标评估得分为A＝(C-Amin)/(Amax-Amin)，其中C表示该指标数据，Amin表示预设最小阈值，Amax表示预设最大阈值。

基于此，获得活性炭理化指标对应得分、活性炭生物指标对应得分以及炭滤池出水水质指标对应得分。

2)根据所述活性炭理化指标权重数据和所述活性炭理化指标对应得分进行计算确定当前活性炭理化指标监测数据，根据所述活性炭生物指标权重数据和所述活性炭生物指标对应得分进行计算确定当前活性炭生化指标监测数据，以及根据所述炭滤池出水水质指标权重数据和所述炭滤池出水水质指标对应得分进行计算确定当前炭滤池出水水质指标监测数据。

在本发明实施例中，如图10所示，根据活性炭理化指标权重与各自对应的指标得分数据进行相乘计算即可获得对应的监测数据，例如，活性炭理化指标权重数据与活性炭理化指标对应得分进行相乘获得活性炭理化指标监测数据，活性炭生物指标权重数据和活性炭生物指标对应得分进行相乘计算获得活性炭生物指标监测数据，炭滤池出水指标权重数据和炭滤池出水指标对应得分相乘计算获得炭滤池出水指标监测数据。

为了更加精准获得活性炭评估结果，在本发明实施例中，如图11所示，获取原水水质数据，并根据所述原水水质数据确定原水水质数据对活性炭监测数据的调整结果，包括：

S210、判断原水水质数据库中的历史数据是否满足大于预设原水水质数据量；

应当理解的是，在对原水风险系数进行计算前，首先要判断原水水质数据库中的历史数据是否充足，即在历史数据充足的情况下才能够获得比较准确的原水风险系数。

S220、若所述原水水质数据库中的历史数据大于预设原水水质数据量，则根据所述原水水质数据库中的历史数据进行风险系数计算获得原水风险系数。

进一步具体地，根据所述原水水质数据库中的历史数据进行风险系数计算获得原水水质风险系数，包括：

判断原水水质数据库中的每个原水水质指标的最大值是否小于或者等于该指标对应的预设最大阈值；

若原水水质数据库中的当前原水水质指标的最大值小于或者等于该指标对应的预设最大阈值，则确定该原水水质指标的风险系数为1，并输出该原水水质指标的风险系数；

若原水水质数据库中的当前原水水质指标的最大值大于该指标对应的预设最大阈值，则判断当前原水水质指标的最大值出现的次数是否大于预设次数阈值；

若当前原水水质指标的最大值出现的次数大于预设次数阈值，则确定该原水水质指标的风险系数为第一风险系数，所述第一风险系数小于1；

若当前原水水质指标的最大值出现的次数不大于预设次数阈值，则确定该原水水质指标的风险系数为第二风险系数，所述第二风险系数小于1，且所述第二风险系数小于所述第一风险系数；

根据原水实质数据库中的每个原水水质指标的风险系数的相乘结果确定原水风险系数。

如图12所示，为针对原水水质数据确定原水风险系数的具体流程图。

此处需要说明的是，针对原水水质也是有多个原水水质指标，针对每一个原水水质指标对应的数据E，首先判断其最大值是否小于或者等于预设最大阈值，如果满足该条件，则确定原水风险系数为E＝1，即原水水质对当前活性炭监测数据没有影响，若原水水质指标对应的数据E其最大值大于预设最大阈值，则进一步判断该最大值出现的次数，即依据出现的次数是否大于预设次数确定风险系数，若该最大值出现的次数大于预设次数，则确定该原水水质指标的风险系数为第一风险系数，若该最大值出现的此处不大于预设次数阈值，则确定该原水水质指标的风险系数为第二风险系数，第二风险系数小于第一风险系数，且第二风险系数和第一风险系数均小于1。例如，第二风险系数可以为0.89，第一风险系数可以为0.92，等等，具体数值可以根据水厂的不同需求进行设定，此处不作限定。

基于上述方法确定每个原水水质指标的风险系数得分，最后将所有原水水质指标的风险系数相乘获得原水风险系数得分。如图13所示，以原水水质包括5个指标为例，获得5个指标的原水水质风险系数得分E1、E2、E3、E4和E5，根据这5个原水水质风险系数得分相乘获得最终原水风险系数得分，即I2＝E1*E2*E3*E4*E5。

在本发明实施例中，为了获得水厂综合管理数据对活性炭监测数据的影响程度，具体地，如图14所示，获取水厂综合管理数据，并根据所述水厂综合管理数据确定水厂综合管理数据对活性炭监测数据的调整结果，包括：

S310、判断水厂综合管理数据库中的历史数据是否大于预设水厂综合管理数据量；

此处应当理解的是，首先对水厂综合管理数据库中的历史数据是否满足数据量的要求进行判断，如若满足则基于这些数据确定水厂综合管理系数，如若不满足则对水厂综合管理数据库的数据进行构建直至满足为止。

S320、若水厂综合管理数据库中的历史数据大于预设水厂综合管理数据量，则根据水厂综合管理数据中的分类模型确定水厂综合管理系数，所述分类模型包括人员素质检验模型、制度保障检验模型和硬件设施检验模型。

在本发明实施例中，所述人员素质检验模型具体可以包括人员学历信息、人员岗位培训记录信息以及人员从业年限信息等，所述制度保障检验模型具体可以包括水厂管理制度信息、操作规程信息、应急预案信息以及炭池管理档案建立信息等，所述硬件设施检验模型具体可以包括设施设备完好性信息、炭滤池的投运年限信息、炭滤池的负荷率信息以及炭滤后在线仪表布设信息等。

如图15所示，依据分类模型确定水厂综合管理系数得分I1，该综合管理系数得分I1具体可以为分类模型各自得分的乘积，即若人员素质相关检验模型借助于专家评审后获得的得分为B1，制度保障检验模型借助于专家评审后获得的得分为B2，硬件设施检验模型借助于专家评审后获得的得分为B3，对B1、B2和B3的得分均进行归一化处理，即B1、B2和B3归一化处理后的得分均不大于1，所以I1＝B1*B2*B3。

在本发明实施例中，为了确定水厂活性炭评估等级，根据水厂活性炭评估分数与预设活性炭评估等级表比对以确定水厂活性炭评估等级，包括：

将水厂活性炭评估分数按照预设活性炭评估等级由高到低的顺序依次比对，以确定水厂活性炭评估等级，其中预设活性炭评估等级由高到低依次包括：非常健康、健康、亚健康、不健康和病态。

如图16所示，此处将活性炭评估分数设定为S，根据S的具体分值比较确定对应的等级。应当理解的是，图16中所示分数等级对应均为示例，具体可以根据实际情况进行设定，此处并不作限定。

下面以评估2023年8月1日XX水厂4#炭滤池活性炭健康状况为例，对本发明提供的水厂生物活性炭运行状况评估方法的具体实现过程进行详细描述。

第一，根据水厂历史活性炭指标监测数据进行数据处理以及计算确定活性炭相关指标权重数据。

(1)生成活性炭理化指标权重数据表(选取其中3个活性炭理化指标为例)

调取历史活性炭理化指标监测数据库，进行数据审查，首先判断是否数据库中的每一个表都有数据，其次继续判断数据表的数量是否大于等于2。示例中数据库的每一个表都有数据，且数据表的数量为8，符合要求。因此可以生成活性炭理化指标权重数据表。

表1历史活性炭理化指标监测数据库

通过熵值法计算得到指标权重，熵值法具体计算方法如下：

1)将各指标规范化，计算第i个样本第j种指标值的比例R

2)计算第j项指标的熵值H

3)计算第j项指标的差异系数G

G

4)计算各项指标的权重K

其中，R

表2权重结果表

/>

因此，计算得出强度、碘值、亚甲蓝值的权重占比分别为：K1＝1.62％、K2＝86.97％、K3＝11.41％，生成活性炭理化指标权重数据表。

表3活性炭理化指标权重数据表

(2)生成活性炭生物指标权重数据表(选取其中3个活性炭生物指标为例)

调取历史活性炭生物指标监测数据库，进行数据审查，首先判断是否数据库中的每一个表都有数据，其次继续判断数据表的数量是否大于等于2。示例中数据库的每一个表都有数据，且数据表的数量为8，符合要求。因此可以生成活性炭生物指标权重数据表。

表4历史活性炭生物指标监测数据表

通过主成分分析法计算，得出生物量、生物活性、辛普森指数的权重占比分别为：K9＝34.90％、K10＝32.39％、K11＝32.71％，生成活性炭生物指标权重数据表。主成分分析法计算过程如下：

1)进行KMO和Bartlett的检验

表5KMO和Bartlett检验表

2)计算方差解释率

表6方差解释率表

3)计算各指标载荷系数

表7载荷系数表

4)计算各指标权重

表8线性组合系数及权重结果

表9活性炭生物指标权重数据表

(3)生成炭滤池出水水质指标权重数据表(选取其中3个炭滤池出水水质指标为例)

调取历史炭滤池出水水质指标监测数据库，进行数据审查，首先判断是否数据库中的每一个表都有数据，其次继续判断数据表的数量是否大于等于2。示例中数据库的每一个表都有数据，且数据表的数量为8，符合要求。因此可以生成炭滤池出水水质指标权重数据表。

表10历史炭滤池出水水质指标监测数据库

通过熵值法计算得到指标权重，具体计算方法如下：

将各指标规范化，计算第i个样本第j种指标值的比例R

计算第j项指标的熵值H

计算第j项指标的差异系数G

G

计算各项指标的权重K

其中，R

表11熵值法计算权重结果表

由此计算得出高锰酸盐指数、氨氮、TOC的权重占比分别为：K15＝12.80％、K16＝68.82％、K17＝18.38％，生成炭滤池出水水质指标权重数据表。

表12炭滤池出水水质指标权重数据表

第二，分别根据活性炭理化指标实时评估结果、活性炭生物指标实时评估结果和炭滤池出水水质指标实时评估结果进行数据清洗以及判断处理，获得活性炭理化指标对应得分、活性炭生物指标对应得分以及炭滤池出水水质指标对应得分。

(1)生成活性炭理化指标得分数据

调取历史活性炭理化指标监测数据库中的最新一次数据表为活性炭理化指标评估数据表，进行数据审查，首先判断数据表中是否存在缺失值数据。示例中数据表不存在缺失数据，符合要求。因此可以生成活性炭理化指标评估数据表。

表13活性炭理化指标评估数据表

因此，活性炭理化指标中强度指标的得分A1计算过程：此处A1的最大阈值A1max可设定为98％，A1的最小阈值A1min可设定为91％，系统判断强度检测值92％处于A1max和A1min之间，因此A1＝(92％-A1min)/(A1max-A1min)＝(92-91)/(98-91)＝0.14；

活性炭理化指标中碘值指标的得分A2计算过程：此处A2的最大阈值A2max可设定为800mg/g，A2的最小阈值A2min可设定为150mg/g，系统判断碘值检测值720mg/g处于A2max和A2min之间，因此A2＝(720mg/g-A2min)/(A2max-A2min)＝(720-150)/(800-150)＝0.88；

活性炭理化指标中亚甲蓝值指标的得分A3计算过程：此处A3的最大阈值A3max可设定为200mg/g，A3的最小阈值A3min可设定为100mg/g，系统判断亚甲蓝值检测值135mg/g处于A3max和A3min之间，因此A3＝(135mg/g-A3min)/(A3max-A3min)＝(135-100)/(200-100)＝0.35；

综上，计算得出强度、碘值、亚甲蓝值的得分分别为：A1＝0.14、A2＝0.88、A3＝0.35，生成活性炭理化指标得分数据表。

表14活性炭理化指标得分数据表

(2)生成活性炭生物指标得分数据表

调取历史活性炭生物指标监测数据库中的最新一次数据表为活性炭生物指标评估数据表，进行数据审查，首先判断数据表中是否存在缺失值数据。示例中数据表不存在缺失数据，符合要求。因此可以生成活性炭生物指标评估数据表。

表15活性炭生物指标评估数据表

活性炭生物指标中生物量的得分A9计算过程：此处A9的最大阈值A9max可设定为200nmolP/gBAC，A9的最小阈值A9min可设定为50nmolP/gBAC，系统判断生物量检测值170nmolP/gBAC处于A9max和A9min之间，因此A9＝(170nmolP/gBAC-A9min)/(A9max-A9min)＝(170-50)/(200-50)＝0.8；

活性炭生物指标中生物活性的得分A10计算过程：此处A10的最大阈值A10max可设定为0.1mg/gBAC·h，A10的最小阈值A10min可设定为0.05mg/gBAC·h，系统判断生物活性检测值0.2mg/gBAC·h高于A2max，因此A10＝1；

活性炭生物指标中辛普森指数的得分A11计算过程：此处A11的最大阈值A11max可设定为1.2，A11的最小阈值A11min可设定为0.6，系统判断辛普森指数检测值1.7高于A3max，因此A11＝1；

综上，计算得出生物量、生物活性、辛普森指数的得分分别为：A9＝0.8、A10＝1、A11＝1，生成活性炭生物指标得分数据表。

表16活性炭生物指标得分数据表

(3)生成炭滤池出水水质指标得分数据表

调取炭滤池出水水质指标监测数据库中的最新一次数据表为炭滤池出水水质指标评估数据表，进行数据审查，首先判断数据表中是否存在缺失值数据。示例中数据表不存在缺失数据，符合要求。因此可以生成炭滤池出水水质指标评估数据表。

表17炭滤池出水水质指标评估数据表

炭滤池出水水质指标中高锰酸盐指数的得分A15计算过程：此处A15的最大阈值A15max可设定为30％，A15的最小阈值A15min可设定为15％，系统判断高锰酸盐指数去除率的检测值28％处于A15max和A15min之间，因此A15＝(28％-A15min)/(A15max-A15min)＝(28-15)/(30-15)＝0.87；

炭滤池出水水质指标中氨氮的得分A16计算过程：此处A16的最大阈值A16max可设定为80％，A16的最小阈值A16min可设定为40％，系统判断氨氮去除率的检测值100％高于A16max，因此A16＝1；

炭滤池出水水质指标中TOC的得分A17计算过程：此处A17的最大阈值A17max可设定为30％，A17的最小阈值A17min可设定为18％，系统判断TOC去除率的检测值28％处于A17max和A17的最小阈值A17min之间，因此A17＝(28％-A17min)/(A17max-A17min)＝(28-18)/(30-18)＝0.83；

综上，计算得出高锰酸盐指数、氨氮、TOC的得分分别为：A15＝0.87、A16＝1、A17＝0.83，生成炭滤池出水水质指标评估数据表。

表18炭滤池出水水质指标评估数据表

第三，根据所述活性炭理化指标权重数据和所述活性炭理化指标对应得分进行计算确定当前活性炭理化指标监测数据，根据所述活性炭生物指标权重数据和所述活性炭生物指标对应得分进行计算确定当前活性炭生化指标监测数据，以及根据所述炭滤池出水水质指标权重数据和所述炭滤池出水水质指标对应得分进行计算确定当前炭滤池出水水质指标监测数据。

具体地，活性炭理化指标、活性炭生物指标、炭滤池出水水质指标为一级指标，针对这3种可定量分析的一级指标，利用层次分析法计算一级指标权重占比。主要过程如下：

对活性炭理化指标、活性炭生物指标、炭滤池出水水质指标三个一级指标的重要性以及各指标的重要性两两比较，进行打分，将结果整理得到判断矩阵，进行一致性检验，不断对分数进行重新调整，直至CR＜0.1，然后确定指标体系权重。

对两两元素之间进行相对重要性判断，选用1-9比例标度法，即1、3、5、7、9分别表示2个元素相比时，一个元素比另一个元素同样重要、稍微重要、明显重要、强烈重要、极端重要，已知重要度含义如表19所示。按照Xi元素与Xj元素同等重要、Xi比Xj元素稍微重要、Xi比Xj元素明显重要、Xi比Xj元素非常重要、Xi比Xj元素极其重要，用这些值的倒数表示Xi比Xj元素的不重要程度，建立判断矩阵。

表19重要度含义表

判断矩阵一致性计算公式如下：

CR＝CI/RI＝(λ

其中，n表示判断矩阵阶数；CR表示一致性比率；CI表示一致性指标；RI表示随机一致性指标；λmax表示最大特征值。求出矩阵最大特征值λmax及其权重值，并进行一致性检验，直至CR小于0.1，则表示所有的判断矩阵均通过一致性检验，否则重新调整判断矩阵，直至通过一致性检验，然后确定指标体系权重。

表20中间层指标的判断矩阵及一致性检验结果

因此，最终得到活性炭理化指标权重占比40、活性炭生物指标权重占比20以及炭滤池出水水质指标权重占比40。

调取权重数据库和得分数据库，生成活性炭监测数据V。

V＝(A1*K1+A2*K2+A3*K3)*40+(A9*K9+A10*K10+A11*K11)*20+(A15*K15+A16*K16+A17*K17)*40

＝(0.14*1.62％+0.88*86.97％+0.45*11.41％)*40+(0.8*34.90％+1*32.39％+1*32.71％)*20+(0.87*12.80％+1*68.82％+0.83*18.38％)*40＝89.45。

第四，计算原水风险系数I1(选取其中1个原水水质指标为例)。

调取原水水质数据库，进行数据审查，首先判断数据库中的历史数据是否充足，示例符合要求。因此可以生成原水风险系数。

表21原水水质历史数据表

判断原水水质数据库中高锰酸盐指数的最大值是否小于等于高锰酸盐指数的最大阈值，此处设定高锰酸盐指数的最大阈值为5.5mg/L，示例中的最大值为4.32mg/L，小于5.5mg/L，因此E1＝1，说明原水水质目前不存在较大风险。

第五，计算水厂综合管理系数I2(每个模块选取一个为例)。

调取水厂综合管理数据库，确定主要分类模块为人员素质、硬件设施、制度保障，根据检验模型生成水厂综合管理系数。

表22水厂综合管理历史数据表

因此，水厂综合管理系数I2＝1*1*1＝1。

最后，计算活性炭健康状况评估得分S。

调取活性炭监测数据V、原水风险系数I1、水厂综合管理系数I2，生成2023年8月1日XX水厂4#炭滤池活性炭健康状况评估得分S。

S＝V*I1*I2＝89.45*1*1＝89.45分。

最终输出结果为：2023年8月1日XX水厂4#炭滤池活性炭健康状况评估分数为89.45分，健康等级为非常健康。

综上，本发明提供的水厂生物活性炭运行状况评估方法，能够将定量指标与定性指标相结合，活性炭的运行状评估指标覆盖面更广，更具系统性与全面性；由于评估指标的权重分析算法具有逻辑性、代表性、针对性，依据合理，可根据不同水厂的实际情况更新各指标的权重占比，使得评估方法客观公正，适用于不同水厂，得到的评估分数也更贴合不同水厂的实际情况；评估过程选择了两个系数作为纠偏活性炭评估分数的正向得分与负向得分，由于各地原水水质有所不同，不同水源地所呈现出的特征污染物存在差异，而原水水质的风险情况对水厂的生物活性炭处理工艺会造成一定的影响，因此选择原水风险系数作为活性炭评估分数的平行系数或者负向系数；水厂的综合管理系数评价维度较多，对于精细化管理的水厂，活性炭运行状况可能会存在正向影响作用，因此选择水厂综合管理系数作为活性炭评估分数的正向系数、平行系数或者负向系数。最后评估结果为评估分数与健康等级，数字化的展示更直观地反映活性炭的运行状况，同时揭示活性炭处理效能的变化趋势，以指导水厂的工艺调整。综上，本发明提供的水厂生物活性炭运行状况评估方法，具有评估程序操作简单，可操作性强的优势，方便在水厂内有效实施和应用，并作为水厂日常运行维护管理的一部分。

作为本发明的另一实施例，提供一种水厂生物活性炭运行状况评估装置，其中，包括：

活性炭监测数据确定模块，用于根据水厂历史活性炭指标监测数据以及水厂活性炭指标实时评估结果进行动态计算确定当前活性炭监测数据结果，所述水厂历史活性炭指标监测数据包括历史活性炭理化指标监测数据、历史活性炭生物指标监测数据和历史炭滤池出水水质指标监测数据，所述水厂活性炭指标实时评估结果包括活性炭理化指标实时评估结果、活性炭生物指标实时评估结果和炭滤池出水水质指标实时评估结果；

原水水质影响模块，用于获取原水水质数据，并根据所述原水水质数据确定原水水质数据对活性炭监测数据的调整结果；

水厂综合管理数据影响模块，用于获取水厂综合管理数据，并根据所述水厂综合管理数据确定水厂综合管理数据对活性炭监测数据的调整结果；

评估分数确定模块，用于根据所述当前活性炭监测数据结果、原水水质数据对活性炭监测数据的调整结果以及水厂综合管理数据对活性炭监测数据的调整结果进行综合计算确定水厂活性炭评估分数；

评估等级确定模块，用于根据水厂活性炭评估分数与预设活性炭评估等级表比对以确定水厂活性炭评估等级；

输出模块，用于输出所述水厂活性炭评估分数和所述水厂活性炭评估等级。

关于本发明提供的水厂生物活性炭运行状况评估装置的工作原理及过程可以参照前文的水厂生物活性炭运行状况评估方法的描述，此处不再赘述。

作为本发明的另一实施例，提供一种水厂生物活性炭运行状况评估系统，其中，如图17所示，包括：水厂历史活性炭指标监测数据库10、原水水质数据库20、水厂综合管理数据库30和前文所述的水厂生物活性炭运行状况评估装置40，所述水厂历史活性炭指标监测数据库10、原水水质数据库20、水厂综合管理数据库30均与所述水厂生物活性炭运行状况评估装置40通信连接。

如图17所示，在本发明实施例中，基于水厂历史活性炭指标监测数据库10能够获得活性炭理化指标权重数据表、活性炭生物权重数据表以及炭滤池出水水质指标权重数据表，这些权重数据表可以存储在权重数据库中，而基于水厂历史活性炭指标监测数据库10可以获得活性炭理化指标评估数据表、活性炭生物指标评估数据表以及炭滤池出水水质评估数据表(这些数据表为历史监测数据库中的最新一次的数据)，根据这些评估数据表进行评估得分，能够获得活性炭理化指标得分、活性炭生物指标得分以及炭滤池出水水质指标得分，这些活性炭理化指标得分、活性炭生物指标得分以及炭滤池出水水质指标得分可以存储在得分数据库中。

基于权重数据库中的权重数据以及得分数据库中的得分数据能够获得当前活性炭监测数据结果。

根据原水水质数据库确定原水风险系数，以及根据水厂综合管理数据库确定水厂综合管理系数，最后基于当前活性炭监测数据结果、原水风险系数以及水厂综合管理系数确定水厂活性炭评估分数，进而确定评估等级。

关于本发明提供的水厂生物活性炭运行状况评估系统的工作过程及原理可以参照前文的水厂生物活性炭运行状况评估方法的描述，此处不再赘述。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。