DualFlow/models/Dynamic_anomaly_diagnosis

双膜工艺（UF-RO）动态异常诊断系统

基于“双重异常量化”与“强化学习（PPO）因果溯源”的水处理过程智能诊断引擎。 本项目旨在为水厂的超滤-反渗透（UF-RO）双膜系统提供从数据清洗、异常预警到根因定位的端到端解决方案。

🌟 架构设计特点：高内聚，低耦合

本项目采用了“核心算法引擎 + 水厂独立工作空间（Workspace）”的插件化解耦架构：

• 通用引擎层：所有水厂共享一套核心数据处理、图构建与强化学习寻路算法。
• 水厂工作空间：每个水厂（如 xishan, longting）拥有独立的文件目录，实现了配置、数据集、专家知识库与模型权重的完全物理隔离，极大地提升了系统的可迁移性与可维护性。

---

📂 目录结构说明

项目根目录/
├── 核心引擎层 (通用代码)
│   ├── data_processing.py      # Layer 1: 时序数据预处理与双重异常量化（绝对阈值+动态MAD）
│   ├── causal_structure.py     # Layer 2: 基于工艺层级与设备约束的物理因果图构建
│   ├── rl_tracing.py           # Layer 3: 基于 Actor-Critic 架构的 PPO 强化学习根因溯源
│   ├── config.py               # 动态配置加载器（基于相对路径与 YAML 解析）
│   ├── main.py                 # 模型训练与评估主入口
│   └── test.py                 # 在线诊断与实时测试接口
│
├── xishan/                     # 🏆 锡山水厂专属工作空间
│   ├── config.yaml               # 锡山专属配置文件（路径、算法超参数、传感器列表）
│   ├── sensor_threshold.xlsx     # 锡山传感器物理阈值与层级定义表
│   ├── abnormal_link.xlsx        # 锡山专家历史异常链路知识库（用于BC预训练）
│   └── ppo_tracing_model.pth     # 训练生成的锡山专属 PPO 模型权重
│
└── longting/                   # 🏆 龙亭水厂专属工作空间
    ├── config.yaml               
    ├── sensor_threshold.xlsx     
    ├── abnormal_link.xlsx        
    └── ppo_tracing_model.pth