1.一种打印机耗材管理方法，其特征在于，所述方法包括：
根据预设的耗材预测模型以及耗材的实时状态，对耗材剩余使用量和预计耗尽时间进行初步预测，以得到第一预测结果，包括：获取与耗材相关的实时数据，以及耗材的历史使用数据；根据与耗材相关的实时数据，以及耗材的历史使用数据，提取关键特征；确定圆心和半径，并根据每个数据点分别对应的特征值，计算每个数据点分别对应的角度值；根据每个数据点分别对应的角度值，将每个数据点分别映射到圆周上的相应位置；根据每个数据点分别在圆周上的相应位置，计算每个数据点与圆心之间的距离；根据每个数据点与圆心之间的距离，对各个数据点进行筛选，以得到筛选数据；对所述筛选数据进行预处理，以得到预处理数据；根据预处理数据，以及预设的耗材预测模型，对耗材的剩余使用量和预计耗尽时间进行预测，以得到第一预测结果；
根据第一预测结果以及历史数据，动态调整影响因子，以得到动态影响因子，包括：获取第一预测结果 以及数据集D，其中，
， 是耗材
预测模型参数集合， 表示历史数据集D中的第i个观测值， 、 和 是对应的耗材预测模型参数；通过 计算动态影响因
子 ，其中，={ ， ，…， ，…}是影响因子调整模型的参数集合， 和 是影响因子调整模型参数， 是sigmoid函数，用于平滑和调整预测结果和历史数据的影响；
根据动态影响因子对耗材剩余使用量和预计耗尽时间进行预测，以得到第二预测结果；
根据第二预测结果和历史数据，计算最终的更换耗材时间点；
根据第二预测结果以及最终的更换耗材时间点通过网络将提醒信息发送至预设的用户端。
2.根据权利要求1所述的打印机耗材管理方法，其特征在于，根据动态影响因子对耗材剩余使用量和预计耗尽时间进行预测，以得到第二预测结果，包括：
设ARMA(p，q)表示自回归项的阶数为p，移动平均项的阶数为q，耗材消耗数据的时间序列模型为： ，其中， 和 是时间序列
模型参数， 是误差项， 是趋势分量， 是季节性分量， 表示在时间t之前j个时间单位的误差项；
通过 对耗材剩余使用量和预计耗
尽时间进行预测，以得到第二预测结果 ，其中，是历史消耗数据， 是动态影响因子，是机器学习模型，用于预测耗材剩余量，
，其中， ， ，
， 和 是参数， 是函数，用于计算预计耗尽时间。
3.根据权利要求2所述的打印机耗材管理方法，其特征在于，根据第二预测结果和历史数据，计算最终的更换耗材时间点，包括：
通过 计算最终的更换耗材时间点 ，
表示当前时间， 表示剩余耗材量， 表示随机森林影响，用于评估各因素对耗材消耗的影响， 表示多元线性回归模型，用于从多个变量中预测耗材消耗，
， ，
其中， ， ，…， 是回归系数； ， ，…， 是影响耗材消耗的因素， ，是趋势调整因子， 是趋势变化率； ， 是指数平滑
值， 是指数平滑的平滑系数， 是时间点 的耗材消耗量， 是风险调整因子，，是基于历史数据变异性和预测不确定性估计的风险率， 是季节性调整后的耗材消耗趋势， ， 是基于预测模型的未来耗材消耗趋势，
，其中， 是对应的时间加权因子，是历史数据的时间长度。
4.根据权利要求3所述的打印机耗材管理方法，其特征在于，根据与耗材相关的实时数据，以及耗材的历史使用数据，提取关键特征，包括：
通过 提取耗材历史使
用数据的关键特征 ，其中， 是稀疏主成分分析后的结果，L是加载矩阵，S是得分矩阵，和 是稀疏性参数， 是 范数， 是L1范数， 是原始数据；
对耗材的历史使用数据通过
进行分析，
以得到分析结果，其中， 是ARMA模型， 是第 个自回归系数， 是第 个移动平均系数， 是外部回归变量， 是外部变量系数， 表示在时间t之前p个时间单位的耗材使用量数据， 表示在时间t之前q个时间单位的误差项；
根据实时数据以及预设的实时预测模型，以得到未来耗材的需求量；
将从分析结果和未来耗材的需求量中提取的特征进行融合，以得到关键特征综合特征集。
5.根据权利要求4所述的打印机耗材管理方法，其特征在于，确定圆心和半径，并根据每个数据点分别对应的特征值，计算每个数据点分别对应的角度值，包括：
通过 计算圆心点，其中，每个 代表第 维的权重， 是数据点的总
数， 表示中心点在第 维的坐标， 表示数据点Pi在第 维的坐标；
根据圆心点，通过 计算每个数据点到圆心点距离；
通过 计算每个数据点的角度
值，其中， 是数据点Pi在两个维度j和j+1平面上的角度。
6.一种打印机耗材管理装置，其特征在于，包括：
获取模块，用于根据预设的耗材预测模型以及耗材的实时状态，对耗材剩余使用量和预计耗尽时间进行初步预测，以得到第一预测结果，包括：获取与耗材相关的实时数据，以及耗材的历史使用数据；根据与耗材相关的实时数据，以及耗材的历史使用数据，提取关键特征；确定圆心和半径，并根据每个数据点分别对应的特征值，计算每个数据点分别对应的角度值；根据每个数据点分别对应的角度值，将每个数据点分别映射到圆周上的相应位置；
根据每个数据点分别在圆周上的相应位置，计算每个数据点与圆心之间的距离；根据每个数据点与圆心之间的距离，对各个数据点进行筛选，以得到筛选数据；对所述筛选数据进行预处理，以得到预处理数据；根据预处理数据，以及预设的耗材预测模型，对耗材的剩余使用量和预计耗尽时间进行预测，以得到第一预测结果；根据第一预测结果以及历史数据，动态调整影响因子，以得到动态影响因子，包括：获取第一预测结果 以及数据集D，其中，， 是耗材
预测模型参数集合， 表示历史数据集 中的第 个观测值， 、 和 是对应的耗材预测模型参数；通过 计算动态影响因
子 ，其中，={ ， ，…， ，…}是影响因子调整模型的参数集合， 和 是影响因子调整模型参数， 是sigmoid函数，用于平滑和调整预测结果和历史数据的影响；
处理模块，用于根据动态影响因子对耗材剩余使用量和预计耗尽时间进行预测，以得到第二预测结果；根据第二预测结果和历史数据，计算最终的更换耗材时间点；根据第二预测结果以及最终的更换耗材时间点通过网络将提醒信息发送至预设的用户端。
7.一种计算设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至5中任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现如权利要求1至5中任一项所述的方法。