1.一种基于混合模型预测不同转速下离心泵效率预测的方法，其特征在于，包括以下步骤：步骤1)、获取离心泵不同转速下过程变量数据集：运行离心泵，获取不同转速下离心泵的出口流量Q，出口阀门开度V和离心泵进口压力Ps、出口压力Pd，和离心泵效率η建立不同转速下的过程变量数据集，其中出口流量Q，出口阀门开度V和离心泵进、出口压力Ps、Pd作为输入变量，离心泵效率η作为待预测变量；

步骤2)、不同转速下数据的预处理以及数据集划分：对不同量纲单位的输入变量数据进行标准化处理，变成无量纲数据集；并将其中相同转速下的数据归为一个样本子集，选取两个样本子集作为测试样本子集，其余作为训练样本子集；

步骤3)、根据不同的训练样本子集训练多个GPR模型：根据不同的训练样本子集建立多个GPR模型，将不同的训练样本子集输入到GPR模型中进行训练；

步骤4)、制定相似度量标准选择与测试样本子集相近的训练样本子集：分别将不同的测试样本子集输入到不同的GPR模型中，根据不同GPR模型的预测方差结合贝叶斯定理制定标准度量不同转速下样本的近似性；并选择与测试集相似度最接近的三个样本子集作为训练集；

步骤5)、划分大流量阶段和小流量阶段：根据输入变量中的阀门开度将训练集合对应的测试样本集子集划分为大流量阶段和小流量阶段，其中阀门开度大于50％的为大流量阶段，阀门开度小于50％的为小流量阶段；

步骤6)、选取小流量样本数据训练局部GPR模型并进行预测：建立GPR模型，选取训练集小流量阶段的样本输入到GPR模型中进行训练，然后将对应的测试样本子集的小流量阶段的样本入到训练好的GPR模型中进行预测；

步骤7)、使用基于泵的相似定律的机理模型预测大流量区间的效率：使用额定转速下的大流量阶段的效率通过基于泵相似定律的机理模型得到测试样本子集大流量阶段的效率；

步骤8)、验证混合模型的有效性：建立全局GPR模型和全局机理模型，分别输入测试样本子集得到输出变量，比较预测性能，采用均方根误差RMSE和最大绝对相对误差MARE评价指标对模型进行评估，验证混合模型的预测效果。

2.根据权利要求1所述的一种基于混合模型预测不同转速下离心泵效率预测的方法，其特征在于所述步骤2)的过程为：步骤2.1：对不同转速下的数据进行min‑max标准化处理，公式如下：式中，x'为标准化处理后的数据集；x为所采集的原始数据集；xmin为原始过程变量数据的最小值；xmax为原始过程变量数据的最大值；

步骤2.2：从标准化处理后的不同转速下的数据集中将相同转速下的样本归为一个样本子集，从而得到不同的样本子集S＝(S1,…Sm)。

3.根据权利要求1所述的一种基于混合模型预测不同转速下离心泵效率预测的方法，其特征在于所述步骤3)的过程为：根据训练样本子集的个数创建多个GPR模型；对于输出变量y，GPR模型高斯先验分布，均值为零的回归函数，或者是离散型的回归函数：T

y＝(y1，…，yN) ～G(0,C)

式中C表示第i个元素C(xi,xj)的N×N协方差矩阵。

4.根据权利要求1所述的一种基于混合模型预测不同转速下离心泵效率预测的方法，其特征在于所述步骤4)的过程为：步骤4.1：将样本子集输入到训练好的GPR模型中，其预测输出集预测方差的计算公式如下：T

其中kt,i＝[C(xt,i,x1),C(xt,i,x2),…,C(xt,i,xN)] 是新输入数据和训练数据的协方差向量，kt,i＝C(xt,i,xt,i)是新输入数据的协方差， 是GPR模型输出的预测方差；

步骤4.2：根据不同GPR的预测方差，将预测方差与贝叶斯后验概率相结合得到度量不同转速下的训练样本子集的相似的标准，选取三个与测试集相似度高的训练样本子集组成*训练集S，其计算公式如下：

其中Nl表示训练样本子集的样本个数，Nt表示测试集的样本个数，

表示GPR模型对xt,i的预测不确定度，MEPP表示后验概率的平均值，其值越高即为训练样本子集与测试集的相似度越高，反而反之。

5.根据权利要求1所述的一种基于混合模型预测不同转速下离心泵效率预测的方法，其特征在于所述步骤6)的过程为：建立一个GPR模型，使用小流量区间的训练集 训练GPR模型，得到局部GPR模型，然后将小流量区间的测试样本子集输入到训练好的局部GPR模型中得到小流量区间的预测输出。

6.根据权利要求1所述的一种基于混合模型预测不同转速下离心泵效率预测的方法，其特征在于所述步骤7)的过程为：通过离心泵额定转速下大流量区间的效率以及额定转速使用基于泵相似定律的机理模型，得到大流量区间的效率，其计算公式如下：其中η1表示在转速n1下的效率；η2表示在转速n2下的效率。