1.一种离心泵性能曲线样本获取方法，其特征在于，所述离心泵的性能参数包括扬程、功率和效率；该方法包括以下步骤：步骤一：收集多种不同型号离心泵的扬程、功率和效率三个性能参数其中一个随流量变化的数据；

步骤二：对另外两个未知性能参数进行数学建模，得到这两个未知性能参数的简化公式；

步骤三：基于三个性能参数之间的计算公式以及步骤二的两个未知性能参数的简化公式，计算得到已知的这个性能参数随流量变化的计算值；

步骤四：将步骤一收集的已知性能参数的真实值与步骤三计算得到的已知性能参数的计算值的均方差作为差分进化优化算法的目标函数，优化得到两个未知性能参数计算公式的系数，从而得到两个未知性能参数计算公式；

步骤五：根据两个未知性能参数计算公式，计算得到不同流量下的未知性能参数的值，从而绘制两个未知性能参数的曲线。

2.根据权利要求1所述的离心泵性能曲线样本获取方法，其特征在于，所述功率的建模公式为：

其中，Q为流量，k1、b为功率建模公式的系数；

所述效率的建模公式为：

其中，QN为额定流量，k2、c为效率建模公式的系数；

所述扬程的建模公式为：

扬程、功率和效率三个性能参数之间的计算公式为：3

其中，ρ为流体的密度，单位为g/cm，g为重力加速度。

3.根据权利要求2所述的离心泵性能曲线样本获取方法，其特征在于，当已知扬程时，步骤三计算得到扬程随流量变化的计算公式为此时，差分进化优化算法的目标函数为：其中， 为第i个工况下扬程的预测值，Hi为扬程的试验值，M为样本的个数。

4.根据权利要求1所述的离心泵性能曲线样本获取方法，其特征在于，所述离心泵的比转速范围为23.1 195.6，均为单级单吸清水离心泵。

~

5.根据权利要求3所述的离心泵性能曲线样本获取方法，其特征在于，当已知扬程时，步骤四中的差分进化优化算法的约束条件为：。

6.根据权利要求1所述的离心泵性能曲线样本获取方法，其特征在于，当已知功率时，步骤三计算得到功率随流量变化的计算公式为：此时，差分进化优化算法的目标函数为：其中， 为第i个工况下功率的预测值，Pi为功率的试验值，M为样本的个数；

差分进化优化算法的约束条件为：。

7.根据权利要求1所述的离心泵性能曲线样本获取方法，其特征在于，当已知效率时，步骤三计算得到效率随流量变化的计算公式为：此时，差分进化优化算法的目标函数为：其中， 为第i个工况下功率的预测值，ηi为功率的试验值，M为样本的个数；

差分进化优化算法的约束条件为：。

8.一种如权利要求1所述的方法在机器学习中的应用，其特征在于，该方法包括如下步骤：

（1）收集多种离心泵的几何参数和扬程、功率和效率三者性能参数之一的曲线；

（2）根据权利要求1所述的方法，获取多种离心泵不同流量下的另外两个性能参数的值；

（3）构建改进支持向量回归模型，模型的输入为离心泵的几何参数和流量，输出为扬程、功率、效率；

（4）以离心泵的几何参数和流量作为模型输入，并将该流量对应的扬程、功率、效率作为标签，训练改进支持向量回归模型；

（5）将待预测的离心泵的几何参数和流量输入训练后的改进支持向量回归模型，模型输出扬程、功率、效率的值。

9.根据权利要求8所述的应用，其特征在于，所述离心泵的几何参数包括叶轮参数和压水室参数，其中叶轮参数包括叶轮进口直径Dj、叶轮轮毂直径dh、出口直径D2、出口宽度b2、出口角度β2、叶片数z、叶片包角φ；压水室参数包括基圆直径D3、压水室进口宽度b3。

10.根据权利要求9所述的应用，其特征在于，在进行改进支持向量回归模型进行训练前，需要先对几何参数进行归一化处理，具体的计算公式如下：其中，x为10维变量，包括几何参数和流量；xmin和xmax分别代表训练集中每个变量的最小值和最大值。