一种基于深度学习的净水器水质异常检测方法

本发明公开了一种基于深度学习的净水器水质异常检测方法，包括如下步骤：S1、采集净水器内部及外部水质传感器的多维指标数据；S2、根据水质传感器的物理分布构建空间邻接矩阵；S3、采用时空图神经网络模型，生成水质时空特征表征；S4、分别基于重建误差和预测误差计算水质状态的异常得分；S5、采用改进布谷鸟搜索算法对水质异常检测模型的超参数进行优化；S6、更新布谷鸟个体位置；S7、将优化后的水质异常检测模型应用于实时水质数据流的异常检测。本发明结合了时空图神经网络模型、改进布谷鸟搜索算法和异常检测评估技术，实现了基于深度学习的净水器水质异常检测。