污水处理过程的状态评价方法以及评价系统

技术领域

本发明涉及污水处理领域，尤其涉及一种污水处理过程的状态评价方法、一种污水处理过程的状态评价系统，以及对应的计算机可读存储介质。

背景技术

城市污水处理厂一直是人们关注和研究的领域，可以看成一个复杂的非线性系统。在这过程中有各种生物化学以及物理反应，并伴有较大的流量和负荷扰动。污水处理过程的性质决定了其需要持续地工作，同时处理标准越来越严格。对于以提高经济效益为目标的现代企业而言，良好的过程运行状态应该是在过程正常运行的基础上既能保证产品质量，又能降低生产成本，减少经济损失。然而，在实际的工业生产过程中，过程运行状态常常会由于设备老化和参数漂移等因素逐渐偏离最优工况点，使得过程长期运行在非健康的工作条件下，导致产品质量不佳继而影响企业的收益。虽然过程监测技术已广泛应用在工业领域中，但仅仅以正常/故障来区分过程的运行状态是远远不能满足现代企业的生产需求的。这是因为过程在出现异常之前可能早已处于非最优的运行状态下。因此从降低生产成本提高经济效益的角度出发，需要进一步对过程运行状态的优劣进行评价，一旦过程偏离了最优的运行状态就需要立即采取调控措施，保证过程始终保持在最佳的运行状态下。

如图1所示，目前过程运行状态评价方法可以主要分为定量信息法、定性信息法和定量与定性信息相结合的方法三种类型。基于定量信息的评价方法指的是利用数值大小表示的变量信息来进行评价，其中以统计学习方法为主。基于定性信息的评价方法指的是利用语义化描述的变量信息来进行评价，最常用的处理定性信息的评价方法有模糊理论(Fuzzy theory)和概率粗糙集理论(Rough set,RS)。由于定量方法依赖于大量的过程数据，对于一些过程变量难以在线获得或者变量信息不能全面反映过程信息的生产过程，定量方法便失去可靠性。而传统的定性方法需要充足的过程描述信息，这些信息往往进行离散化，而在离散化的过程中很容易损失有效信息，降低评价精度。上述方法所解决的都是针对单个过程特性的问题，但实际的污水处理过程大部分是复合变量非高斯的动态过程，变量繁多且相互之间存在耦合。此外，过程运行状态评价面向的对象是复杂的工业系统，存在着多种过程特性共存的情况，涉及到多个不同环节和单元，且各个环节之间、单位之间都存在相互制约与联系的关系，而传统的过程运行状态评价方法都是利用过程数据的全部变异信息来进行状态评价的。由于过程运行状态评价旨在反映经济效益相关的过程运行状态，过多的与经济指标无关的过程信息反而会导致评价模型性能的下降。因此，传统的过程运行状态评价方法具有计算量大、评价结果不准确的缺陷。

为了克服现有技术存在的上述缺陷，本领域亟需一种污水处理过程的状态评价技术，用于简单、快速、实用地计算数据之间的相关性以对数据进行分块，从而在克服数据冗余的同时也有效捕获过程中有用的动态信息、缩短在线评价时间、提高评价的准确性以及结果的可解释性、维持工业过程持续进行、得到更好的评价精度，并降低模型维护的成本。

发明内容

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之前序。

为了克服现有技术存在的上述缺陷，本发明提供了一种污水处理过程的状态评价方法、一种污水处理过程的状态评价系统以及对应的计算机可读存储介质，能够简单、快速、实用地利用互信息计算数据之间的相关性对数据进行分块，从而在克服数据冗余的同时也有效捕获了过程中有用的动态信息、大大缩短了在线评价时间，并提高了评价的准确性以及结果的可解释性。此外，在本发明的实验过程中不需要机理知识，因而不需要暂停工业过程，同时本发明可以根据实际需要和数据的变化更改模型，以实现对过程运行状态的在线评价，从而得到更好的评价精度，并降低模型维护的成本。

具体来说，根据本发明的第一方面提供的上述污水处理过程的状态评价方法包括以下步骤：根据污水处理过程中涉及的多个过程变量维度获取在线过程数据，并获取对应的在线经济指标值；计算各所述过程变量维度与所述在线经济指标值之间的互信息，以将各所述过程变量维度的在线过程数据划分到ERS变量空间和EIS变量空间，其中，所述ERS变量空间与经济性能相关，所述EIS变量空间与经济性能无关；对所述ERS变量空间中的在线过程数据进行正则相关分析，提取其中的经济信息，以构建ERS评价统计量；对所述EIS变量空间中的在线过程数据进行慢特征分析，提取其中的动态信息，以构建EIS评价统计量；以及根据贝叶斯理论融合所述ERS评价统计量及所述EIS评价统计量，确定所述在线经济指标值对应的运行状态标签，以确定所述污水处理过程的运行状态。

进一步地，在本发明的一些实施例中，所述污水处理过程涉及多个反应池，包括缺氧池、好氧池及二沉池，所述多个过程变量维度选自出水BOD总量、出水COD总量、泵能耗、出水流速、内回流流速、出水可溶性生物可降解有机氮、出水

进一步地，在本发明的一些实施例中，所述根据污水处理过程中涉及的多个过程变量维度获取在线过程数据，并获取对应的在线经济指标值的步骤包括：构建在线数据窗口；以及根据所述在线数据窗口的大小H，获取关于所述多个过程变量维度的多组在线过程数据及其对应的在线经济指标值。

进一步地，在本发明的一些实施例中，在根据污水处理过程中涉及的多个过程变量维度获取在线过程数据，并获取对应的在线经济指标值之后，所述状态评价方法还包括以下步骤：根据以下公式对多组在线过程数据进行标准化处理，以构建零均值单位标准差矩阵X

进一步地，在本发明的一些实施例中，各所述过程变量维度与所述在线经济指标值之间的互信息由下式计算得到：

其中，H(X)和H(Y)是变量X和Y的信息熵，H(X,Y)表示变量X和Y的联和熵，p(x,y)表示X和Y的联合概率密度函数，H(X)、H(Y)和H(X,Y)分别由下式计算得到：

H(X)＝-∫p(x)logp(x)dx

H(Y)＝-∫p(y)logp(y)dy

H(X,Y)＝-∫∫p(x,y)logp(x,y)dxdy。

进一步地，在本发明的一些实施例中，所述计算各所述过程变量维度与所述在线经济指标值之间的互信息，以将各所述过程变量维度的在线过程数据划分到ERS变量空间和EIS变量空间的步骤包括：将各所述过程变量维度与所述在线经济指标值之间的互信息值MI，与预设的第一阈值th进行比较；以及若互信息值MI大于所述第一阈值th，则将对应过程变量维度划入ERS变量空间X

进一步地，在本发明的一些实施例中，所述对所述ERS变量空间中的在线过程数据进行正则相关分析，提取其中的经济信息，以构建ERS评价统计量的步骤包括：

根据以下公式构建所述ERS评价统计量

其中，

进一步地，在本发明的一些实施例中，所述对所述EIS变量空间中的在线过程数据进行慢特征分析，提取其中的动态信息，以构建EIS评价统计量的步骤包括：

根据以下公式构建所述EIS评价统计量

其中，

进一步地，在本发明的一些实施例中，所述根据贝叶斯理论融合所述ERS评价统计量及所述EIS评价统计量，确定所述在线经济指标值对应的运行状态标签，以确定所述污水处理过程的运行状态的步骤包括：

令C

其中，Pr(C

其中，

利用贝叶斯推论得到不同状态等级内的全局评价统计量：

若BIC

进一步地，在本发明的一些实施例中，在根据贝叶斯理论融合所述ERS评价统计量及所述EIS评价统计量，确定所述在线经济指标值对应的运行状态标签，以确定所述污水处理过程的运行状态之前，所述状态评价方法还包括以下步骤：选取所述污水处理过程中涉及的多个过程变量，并根据所述过程变量获取多组离线过程数据及其对应的离线经济指标值；利用高斯混合模型，将各组所述离线过程数据分入关于经济效益指标的多个状态等级；计算各所述过程变量维度与所述离线经济指标值之间的互信息，并根据所述互信息对所述过程变量进行分块，以建立所述ERS变量空间和所述EIS变量空间；对所述ERS变量空间进行正则相关分析，提取其中的经济信息，以构建ERS评价统计量；以及对所述EIS变量空间进行慢特征分析，提取其中的动态信息，以构建EIS评价统计量。

进一步地，在本发明的一些实施例中，所述利用高斯混合模型，将各组所述离线过程数据分入关于经济效益指标的多个状态等级的步骤包括：选取总体费用指标OCI作为所述经济效益指标，并根据以下公式计算所述经济效益指标：

OCI＝AE+PE+5*SP+3*EC+ME

其中，AE表示曝气能耗，PE表示泵能耗，SP表示污泥产量，EC表示外碳源消耗，ME表示混合能耗；利用所述高斯混合模型，经由聚类的方法从概率的角度区分所述多组离线过程数据的多种运行状态等级{X

此外，根据本发明的第二方面提供的污水处理过程的状态评价系统包括：存储器；以及处理器，所述处理器连接所述存储器，并被配置上述一种污水处理过程的状态评价方法。

此外，根据本发明的第三方面提供的计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时，实施上述污水处理过程的状态评价方法。

附图说明

在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。

图1示出了根据本发明的一些实施例提供的过程运行状态评价方法分类图；

图2示出了根据本发明的一些实施例提供的评估模型的建模策略的示意图；

图3示出了根据本发明的一些实施例提供的污水处理过程运行状态评价方法的系统框架图；

图4示出了根据本发明的一些实施例提供的仿真模型的简化示意图；

图5A～5C示出了根据本发明的一些实施例提供的运行状态评价的在线评价结果的示意图；

图6A～6D示出了根据本发明的一些实施例提供的运行状态评价的在线评价结果的示意图；

图7A～7D示出了根据本发明的一些实施例提供的运行状态评价的在线评价结果的示意图。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其他优点及功效。虽然本发明的描述将结合优选实施例一起介绍，但这并不代表此发明的特征仅限于该实施方式。恰恰相反，结合实施方式作发明介绍的目的是为了覆盖基于本发明的权利要求而有可能延伸出的其它选择或改造。为了提供对本发明的深度了解，以下描述中将包含许多具体的细节。本发明也可以不使用这些细节实施。此外，为了避免混乱或模糊本发明的重点，有些具体细节将在描述中被省略。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

另外，在以下的说明中所使用的“上”、“下”、“左”、“右”、“顶”、“底”、“水平”、“垂直”应被理解为该段以及相关附图中所绘示的方位。此相对性的用语仅是为了方便说明之用，其并不代表其所叙述的装置需以特定方位来制造或运作，因此不应理解为对本发明的限制。

能理解的是，虽然在此可使用用语“第一”、“第二”、“第三”等来叙述各种组件、区域、层和/或部分，这些组件、区域、层和/或部分不应被这些用语限定，且这些用语仅是用来区别不同的组件、区域、层和/或部分。因此，以下讨论的第一组件、区域、层和/或部分可在不偏离本发明一些实施例的情况下被称为第二组件、区域、层和/或部分。

如上所述，目前的过程运行状态评价方法主要分为图1所示的定量信息法、定性信息法和定量与定性信息相结合的方法三种类型。然而，这些方法所解决的都是针对单个过程特性的问题，但实际的污水处理过程大部分是复合变量非高斯的动态过程，变量繁多且相互之间存在耦合。此外，过程运行状态评价面向的对象是复杂的工业系统，存在着多种过程特性共存的情况，涉及到多个不同环节和单元，且各个环节之间、单位之间都存在相互制约与联系的关系，而传统的过程运行状态评价方法都是利用过程数据的全部变异信息来进行状态评价的。由于过程运行状态评价旨在反映经济效益相关的过程运行状态，过多的与经济指标无关的过程信息反而会导致评价模型性能的下降。因此，传统的过程运行状态评价方法具有计算量大、评价结果不准确的缺陷。

为了克服现有技术存在的上述缺陷，本发明提供了一种污水处理过程的状态评价方法、一种污水处理过程的状态评价系统及其对应的计算机可读存储介质，能够简单、快速、实用地利用互信息计算数据之间的相关性以对数据进行分块，从而在克服数据冗余的同时也有效捕获了过程中有用的动态信息、缩短了在线评价时间、提高评价的准确性以及结果的可解释性、维持工业过程持续进行、得到更好的评价精度，并降低模型维护的成本。

在一些非限制性的实施例中，本发明的第一方面提供的上述污水处理过程的状态评价方法可以经由本发明的第二方面提供的上述一种污水处理过程的状态评价系统来实施。具体来说，该污水处理过程的状态评价系统中配置有存储器及处理器。该存储器包括但不限于本发明的第三方面提供的上述计算机可读存储介质，其上存储有计算机指令。该处理器连接存储器，并被配置用于执行该存储器上存储的计算机指令，以实施本发明的第一方面提供的污水处理过程的状态评价方法。

首先请参考图2及图3。图2示出了根据本发明的一些实施例提供的评估模型的建模策略的示意图。图3示出了根据本发明的一些实施例提供的污水处理过程运行状态评价方法的系统框架图。

如图2及图3所示，在本发明的一些实施例中，污水处理过程运行状态评价方法包括以下步骤：

步骤一：选取过程变量，利用高斯混合模型(Gaussian Mixture Model,GMM)将离线过程数据分成不同的状态等级；

步骤二：以经济效益指标的大小判定状态等级优劣，并对数据进行标准化；

步骤三：利用互信息计算出每两个变量之间的互信息；

步骤四：根据计算得到的互信息对过程变量进行分块，分别建立经济性能相关的变量空间ERS和与经济性能无关的变量空间EIS；

步骤五：利用正则相关分析和慢特征分析方法提取其中的经济信息以及动态信息；

步骤六：构建在线数据窗口，得到当前时刻的数据矩阵和对应的在线经济指标值；

步骤七：分别根据不同的状态等级内离线数据的均值和方差对数据矩阵和对应的在线经济指标值进行标准化；

步骤八：根据不同的状态等级划分经济性能指标相关和经济性能指标无关的子空间；

步骤九：在每个窗口构建经济性能指标相关和经济性能指标无关的统计量；

步骤十：根据贝叶斯理论，融合两个子空间的在线统计量从而确定在线数据最有可能的状态等级，实现过程运行状态的在线评价。

下文将对这些步骤进行详细描述。应理解，在本发明范围内中，本发明的上述各技术特征和在下文(如实施例)中具体描述的各技术特征之间都可以互相组合，从而构成优选的技术方案。

一、选取过程变量，利用高斯混合模型划分离线数据状态等级

步骤一中，污水处理过程符合长期型1号基准仿真模型(Long-Term BenchmarkSimulation Model No.1，BSM1)。图4示出了长期型1号基准仿真模型简化图。长期型1号基准仿真模型为本领域所熟知，包括两个缺氧池、三个好氧池和一个二沉池。

可以理解的是，步骤一中，选取的过程变量要能反映污水处理的过程运行状态和经济性指标之间的密切联系。本发明中，过程变量是指需要采集的参数的种类。可选取的过程变量包括出水BOD总量、出水COD总量、泵能耗、出水流速、内回流流速、出水可溶性生物可降解有机氮、出水

本发明考虑到当过程处于不同的生产条件时，过程本身的特性会发生改变，对于复杂的工业过程，不同的运行状态会出现不同的分布情况，采用高斯混合模型聚类方法从概率的角度区分过程数据不同的运行状态。假设一组数据x∈R

其中，μ为n维均值向量，Σ为n×n维的协方差矩阵。假设来自多个运行状态的n维样本x，它的概率密度函数可以看成是多个高斯分布的组合，即：

其中，M表示高斯成分的个数，μ

二、判断状态等级优劣

步骤二中，为了更好地评估BSM1在不同进水数据和操作条件下处理污水的性能情况，模型提供了两种不同的性能指标：出水水质(Effluent Quality,EQ)和总体费用指标(Overall Cost Index,OCI)，考虑到过程运行状态评价侧重于体现过程运行状态和经济性指标之间的密切联系，因此选用OCI作为评判各个过程运行状态等级的经济效益指标，OCI可通过下式计算：

OCI＝AE+PE+5*SP+3*EC+ME

其中，AE表示曝气能耗，PE表示泵能耗，SP表示污泥产量，EC表示外碳源消耗，ME表示混合能耗。

利用GMM将离线过程数据X划分成不同状态集合后，对应的经济指标y也相应可以划分成不同的状态集合，结合专家知识和生产经验可以知道，在正常运行的条件下类似生产成本或运行费用这样定量的经济指标值越小代表该状态运行的生产过程越好，因此利用各个状态集合的经济指标均值来确定各个状态集合的等级。假设过程被划分成L种不同的生产过程，即{X

步骤二中，为了从而消除变量不同量纲的影响，将原始数据转化成零均值单位标准差的矩阵，假设有M组数据{X

三、计算变量之间的互信息

互信息(Mutual Information，MI)可以表示两个变量之间的相互依赖关系，来源于信息论中熵的概念，熵也称作信息熵，可以表示变量取值的不确定性，进而用于描述变量所包含的信息量，熵越大意味着变量的不确定性越大，即变量所包含的信息越多。

步骤三中，两个变量之间的互信息I(X,Y)如下式计算：

其中，H(X)和H(Y)是变量X和Y的信息熵，H(X,Y)表示变量X和Y的联和熵，p(x,y)表示X和Y的联合概率密度函数；其中H(X)、H(Y)和H(X,Y)如下式计算得到：

H(X)＝-∫p(x)logp(x)dx

H(Y)＝-∫p(y)logp(y)dy

H(X,Y)＝-∫∫p(x,y）logp（x,y）dxdy

四、对过程变量进行分块，建立ERS和EIS

步骤四中，利用互信息对过程变量进行分块。

假设在某种状态等级下有一组输入数据矩阵X＝[x

经过分块之后，原始的变量集被划分成两部分：与经济性能相关的变量空间ERS和与经济性能无关的变量空间EIS，即X[X

步骤四中，结合经验及实际需求确定MI的阈值。在某些实施方案中，MI的阈值th设定为0.6。

五、正则相关分析提取经济信息，慢特征分析提取动态信息

步骤五中，由于在ERS中蕴含着大量的经济信息，即使包含有一定的动态信息，也还是以经济信息作为主导，因此通过CCA提取其中与经济性能指标最相关的典型相关特征，利用CCA构建评价统计量如下式计算：

其中，

步骤五中，由于在EIS中尽管散布着少量的经济信息，但还是以过程的动态信息为主，因此利用SFA提取其中的动态特征，SFA构建评价统计量如下式计算得到：

其中，

在一些实施方案中，训练数据中的统计量称为离线统计量，实时数据中的统计量称为在线统计量。步骤九中，在线统计量需要通过步骤五中得到的对应的离线统计量作为参考的评价指标进行对比来形成最终的评价结果。

六、构建在线窗口

步骤六中，假设当前时刻为k，那么当前时刻的数据矩阵为X

七、分别根据不同的状态等级内离线数据的均值和方差对数据矩阵和对应的在线经济指标值进行标准化

步骤七中，标准化方法与步骤二中的标准化方法相同，标准化后的在线数据记为

八、根据不同的状态等级划分ERS和EIS

步骤八中，根据不同状态等级内划分的ERS和EIS与步骤四中根据离线数据的不同状态等级内划分的ERS和EIS方法相同，X

九、在每个窗口构建ERS和EIS的统计量

步骤九中，假设当前时刻为k，那么在k时刻上的统计量就是单位窗口内的均值统计量。对于X

对于X

十、根据贝叶斯理论，融合两个子空间的在线统计量从而确定在线数据最有可能的状态等级，实现过程运行状态的在线评价

在某些实施方案中，假设过程一共有L种运行状态，那么就需要构建2L种在线统计量，通过和对应的离线统计量作为参考的评价指标进行对比来形成最终的评价结果，这无疑增加了在线评价阶段的计算量和复杂性。

在本发明中，融合每个状态等级的两种子空间评价结果，从概率的角度综合各个子块的评价信息得到全局的评价结果。令C

其中，Pr(C

其中，

最后利用贝叶斯推论得到不同状态等级下的全局评价统计量：

步骤十中，若评价指标大于某个阈值α，即BIC

通常，在线评价指标的阈值α的大小可根据大量的实验以及经验预先确定。在某些实施方案中，在线评价指标的阈值α＝0.95。

本发明在进行过程运行状态评价时，首先采用本发明步骤一中所述的方法对离线数据划分状态等级，并利用步骤二所述的方法判断状态等级的优劣，然后采用步骤三所述的方法利用互信息计算变量之间的相关性，并依据此对其进行分块，划分经济相关子空间和经济无关子空间，然后利用步骤四和步骤五中所述的方法构建评价统计量提取经济信息和动态信息；在获取在线过程数据后采用同样的分块方法并构建评价统计量，并按照步骤十所述的方法融合每个状态等级的两种子空间的评价结果，得到实时数据在全局的评价结果，监测过程状态的优劣情况。

本发明具有以下有益效果：

本发明的过程运行状态评价方法简单、快速、实用，利用互信息计算数据之间的相关性对数据进行分块。与传统的过程运行状态评价方法相比，在克服数据冗余的同时也有效捕获了过程中有用的动态信息，大大缩短了在线评价时间、考虑了变量之间的相关性，提高了评价的准确性以及结果的可解释性。实验过程中不需要机理知识，不需要暂停工业过程；同时本方法可以根据实际需要和数据的变化更改模型，以实现对过程运行状态的在线评价，得到更好的评价精度，降低了模型维护的成本。

下面通过实施例对本发明进行具体描述。有必要在此指出的是，以下实施例只用于对本发明作进一步说明，不能理解为对本发明保护范围的限制，本领域技术人员根据本发明的内容作出的任何非本质的改进和调整，仍属于本发明的保护范围。实施例中未明确说明的算法和方法，为本领域公知的算法或方法，或为本文所述的算法或方法。实施例中未明确说明的代数具有本领域公知的或本文所述的含义。

实施例1

以下以污水处理过程运行状态评价的实例来说明本发明的利用基于分块正则相关分析和慢特征分析的污水处理过程运行状态评价方法，具体步骤包括：

步骤一：选取表1中所示的38个变量作为过程变量，采用常量进水文件作为入水数据，采集两周的训练数据；改变对整体的能耗量及运行费用OCI都有影响的第五个反应池的溶解氧溶度来模拟污水处理过程中容易出现的各个运行状态，模拟的三种运行条件如表2所示，因此设置GMM的混合成分个数M＝3，之后利用GMM将过程数据分成了三个数据集合；

步骤二：通过每个集合对应的经济性指标即OCI均值为不同的状态集合评判等级，OCI的均值越小说明对应的过程运行状态越接近最优，越大说明对应的过程运行状态等级越差，从而将三种运行状态划分为“优、中、差”三个等级，对应用1,2,3标记各个等级，训练数据中每个状态集合内的样本量和对应的状态等级见表3；

计算OCI：

OCI＝AE+PE+5*SP+3*EC+ME

其中，AE表示曝气能耗，PE表示泵能耗，SP表示污泥产量，EC表示外碳源消耗，ME表示混合能耗；

步骤三：计算变量的互信息I(x

其中，H(X)和H(Y)是变量X和Y的信息熵，H(X,Y)表示变量X和Y的联和熵，p(x,y)表示X和Y的联合概率密度函数；其中H(X)、H(Y)和H(X,Y)如下式计算得到：

H(X)＝-∫p(x)logp(x)dx

H(Y)＝-∫p(y)logp(y)dy

H(X,Y)＝-∫∫p(x,y)logp(x,y)dxdy；

步骤四：设定互信息的阈值为0.6，根据互信息规则对变量进行分块，得到ERS和EIS；

步骤五：利用正则相关分析构建ERS的评价统计量，利用慢特征分析构建EIS的评价统计量；

步骤六：构建在线窗口；

利用本文所述的在线窗口的大小H＝10；

步骤七：和步骤一相同选取表1中所示的38个变量作为过程变量，采用常量进水文件作为入水数据，采集一周的测试数据，模拟的三种运行条件如表4所示，同样利用GMM将过程数据分成了三个数据集合；

步骤八：利用步骤三中的方法计算互信息，并划分在线数据的ERS和EIS；

步骤九：采用步骤五中的方法构建ERS和EIS的评价统计量；

步骤十：根据贝叶斯理论，融合两个子空间的在线统计量从而确定在线数据最有可能的状态等级，实现过程运行状态的在线评价。

若评价指标大于预设阈值α(本实施例为0.95)，即BIC

实施例1对污水处理过程运行状态进行评价的实验结果如图5A～5C和表5所示。使用与实施例1同样的训练数据和检测数据通过本领域常规的正则相关分析(CanonicalCorrelation Analysis，CCA)和慢特征分析(Slow Feature Analysis，SFA)进行过程运行状态评价实验，其实验结果如图6A～6D、图7A～7D和表6所示。

表1：变量的选取

表2：训练数据的运行条件

表3：训练数据的运行状态等级划分结果

表4：测试数据的运行条件

表5：测试数据运行状态等级的在线识别结果

图6A～6D与图7A～7D为实施例1利用本发明的正则相关分析方法和慢特征方法分别进行过程运行状态评价得到的在线评价结果图，其中6A、6B、6C、7A、7B、7C分别表示在线数据与各个状态等级的相似度，上面的虚线表示阈值为0.95，总的评价结果可见图6D及图7D，可以看到测试数据在SFA和CCA的评价下状态等级依旧是从优-中-差的顺序变化，但在同种阈值限制下，SFA和CCA方法不能正确评价出所有属于状态等级中的数据。

表6对比了三种方法的评价结果，通过对比发现所提方法在状态等级为中的时候具有更准确的评价结果。这是SFA和CCA无法单独提供的，同时也说明了正确地区分过程中的经济信息和动态信息有助于提高过程对于经济指标变化的敏感度，能够更好地挖掘各个状态等级中过程的内在特征，更加真实准确地反映过程运行状态，为操作人员提供有效的评价信息。

表6：训练数据的运行状态等级划分结果

尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。

提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。