本發(fā)明屬于計算機及測量技術(shù)領(lǐng)域，涉及一種工程風險監(jiān)測系統(tǒng)，尤其涉及一種基于狀態(tài)轉(zhuǎn)移的工程風險監(jiān)測系統(tǒng)；同時，本發(fā)明還涉及一種基于狀態(tài)轉(zhuǎn)移的工程風險監(jiān)測方法。

背景技術(shù)：
由于地下工程結(jié)構(gòu)和施工方法的特殊性，特別是施工開挖過程中周邊環(huán)境（介質(zhì)）的不確定性和復雜性，建立精確的數(shù)學模型對其進行災害分析與預警非常困難。常見的地下工程安全分析方法包含以下三類：（1）定性為主的風險評估定性為主（或結(jié)合部分定量計算）的風險分析技術(shù)方法常用在風險評估領(lǐng)域，確定風險等級。包括專家調(diào)查法、過程危險分析、危險與可操作性、故障模式分析法、層次分析法、故障樹/事件樹分析法和模糊推理等。（2）以統(tǒng)計和概率為基礎(chǔ)的定量風險分析以數(shù)理統(tǒng)計和概率分析為基礎(chǔ)的定量分析方法，已成為當前風險定量分析最主要的方法，并在一些動態(tài)評價場合應(yīng)用。主要方法有決策樹、蒙特卡羅法、貝葉斯法及控制區(qū)間和記憶模型等。（3）基于時序數(shù)據(jù)的預測技術(shù)。隨著監(jiān)測技術(shù)發(fā)展，以時序數(shù)據(jù)為基礎(chǔ)的安全性分析也成為一個重要的方向，包括馬爾可夫鏈、人工神經(jīng)網(wǎng)絡(luò)、灰色理論、非線性自回歸方法和多步預報模型等。但上述三類地下工程風險分析方法，不能針對性地解決地下工程災害的不確定性和突發(fā)性問題，無法捕捉未知災害前兆。對于采樣頻率不同、尺度不同且高維海量的信息的利用上述方法亦遠遠不夠。有鑒于此，如今迫切需要設(shè)計一種新的工程安全分析方法，以克服現(xiàn)有方法的上述缺陷。

技術(shù)實現(xiàn)要素：
本發(fā)明所要解決的技術(shù)問題是：提供一種基于狀態(tài)轉(zhuǎn)移的工程風險監(jiān)測系統(tǒng)，能夠針對性地解決地下工程災害的不確定性和突發(fā)性問題，而且以可視化的方式自動監(jiān)測工程風險，具有直觀性和智能性。此外，本發(fā)明還提供一種基于狀態(tài)轉(zhuǎn)移的工程風險監(jiān)測方法，能夠針對性地解決地下工程災害的不確定性和突發(fā)性問題，而且以可視化的方式自動監(jiān)測工程風險，具有直觀性和智能性。為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案：一種基于狀態(tài)轉(zhuǎn)移的工程風險監(jiān)測系統(tǒng)，所述系統(tǒng)包括：原始數(shù)據(jù)處理模塊，用以獲取原始數(shù)據(jù)，并將原始數(shù)據(jù)經(jīng)過無量綱化處理；狀態(tài)轉(zhuǎn)移可視化表達模塊，與所述原始數(shù)據(jù)處理模塊連接，用以根據(jù)經(jīng)過原始數(shù)據(jù)處理模塊處理的數(shù)據(jù)，生成工程中各狀態(tài)的狀態(tài)轉(zhuǎn)移圖；圖形特征提取模塊，與所述狀態(tài)轉(zhuǎn)移可視化表達模塊連接，用以獲取所述狀態(tài)轉(zhuǎn)移可視化表達模塊生成的狀態(tài)轉(zhuǎn)移圖，并從中提取狀態(tài)轉(zhuǎn)移圖的設(shè)定特征；自動學習模塊，與所述圖像特征提取模塊連接，用以獲取圖像特征提取模塊提取的圖形特征值，計算每一特征值與歷史平均值的比值，并設(shè)定閾值；圖像自動辨識模塊，與所述圖形特征提取模塊、自動學習模塊連接，用以根據(jù)所述圖形特征提取模塊提取狀態(tài)轉(zhuǎn)移圖的設(shè)定特征以及自動學習模塊設(shè)定的閾值判斷工程是否處于風險狀態(tài)。作為本發(fā)明的一種優(yōu)選方案，所述狀態(tài)轉(zhuǎn)移可視化表達模塊采用同心半圓坐標系建立表達多維平面坐標，過程如下：N維歐幾里得空間RN同心半圓坐標系由N個等距同心半圓坐標軸組成。每一個半圓為一條坐標軸，每條軸線都對應(yīng)于一個多維數(shù)據(jù)集的一個分量，從圓心開始，從內(nèi)到外依次編號：d0，d1，…，di，…，dN,單條周軸線圓心角范圍為0～180°，按逆時針方向遞增；假定一個N維時序數(shù)據(jù)的在k時刻的第i個分量為通過公式1和公式2函數(shù)轉(zhuǎn)換映射為第i條軸線上的一個點從圓心開始，依次連接形成一條折線，用于表達一組獨立的n維數(shù)據(jù)；公式(1)公式(2)其中，u表示兩個相鄰軸半徑的差值。作為本發(fā)明的一種優(yōu)選方案，所述原始數(shù)據(jù)處理模塊將原始數(shù)據(jù)經(jīng)過無量綱化處理；無量綱化處理通過數(shù)學變換來消除原始變量量綱影響的方法；將數(shù)據(jù)全部縮放到0～π之間來消除原始變量的量綱影響；具體過程如下：假定在k時刻，第i個分量通過公式1將其縮放限制在0～π之間，并映射到坐標軸點；公式(1)其中，作為本發(fā)明的一種優(yōu)選方案，所述狀態(tài)轉(zhuǎn)移可視化表達模塊是將數(shù)據(jù)進行向空間轉(zhuǎn)換、可視化表達的過程；具體包括：同心半圓坐標系建立單元，用以建立同心半圓坐標系，將預處理的數(shù)據(jù)根據(jù)公式映射到該平面坐標系中；狀態(tài)折線繪制單元，用以繪制同一個同心半圓坐標軸下所有狀態(tài)折線；狀態(tài)轉(zhuǎn)移圖生成單元，用直線將相鄰兩根狀態(tài)折線的末端相連形成一個封閉區(qū)域并進行填色，生成一幅狀態(tài)轉(zhuǎn)移圖；系列狀態(tài)轉(zhuǎn)移圖繪制單元，用以根據(jù)預設(shè)的周期和遞進參數(shù)繪制系列狀態(tài)轉(zhuǎn)移圖。作為本發(fā)明的一種優(yōu)選方案，所述自動學習模塊根據(jù)圖形特征提取模塊，提取狀態(tài)轉(zhuǎn)移圖的特征變量值，計算當前特征值與平均值比值的過程；平均值分別按歷史數(shù)據(jù)中數(shù)值大小前5%、10%、20%、50%的數(shù)值計算；所述圖像自動辨識模塊用以實現(xiàn)狀態(tài)轉(zhuǎn)移圖風險識別的主要過程；具體包括：（1）根據(jù)圖形特征提取模塊，獲取系列狀態(tài)轉(zhuǎn)移圖的特征變量值并繪制相應(yīng)的指標曲線；（2）選擇是否進入自動學習模塊；若進入自動學習模塊，則獲取特征變量當前值與歷史平均值的比值；若該比值在設(shè)定閾值外即判斷為異常；若不進入自動學習模塊，則計算特征變量當前值與前一值的比值；若該比值在設(shè)定閾值外即判斷為異常；（3）比值超過閾值越大，判斷狀態(tài)轉(zhuǎn)移圖越為異常，此時系統(tǒng)越有可能處于異常狀態(tài)。作為本發(fā)明的一種優(yōu)選方案，所述系統(tǒng)通過一組時序數(shù)據(jù)為S表示工程中的各狀態(tài)變量數(shù)據(jù)，那么Sk就表示在k時刻工程的狀態(tài)，并且每一個狀態(tài)都由n個代表工程狀態(tài)的內(nèi)部變量所組成；S={S0，S1，...，Sk-1，Sk，Sk+1，...}；其中，假定某工程有n個可測分變量，那么在k時刻，其狀態(tài)變量Sk表示為：定義第i個可測分變量值的量程范圍分別為mini和maxi，那么有：所述狀態(tài)轉(zhuǎn)移可視化表達模塊包括第一狀態(tài)分量映射模塊，用以將第k時刻第i個分量通過公式1將其縮放限制在0～π之間，并映射到坐標軸點；公式(1)所述狀態(tài)轉(zhuǎn)移可視化表達模塊包括第二狀態(tài)分量映射模塊，用以選擇平面上一定點O，以O(shè)為原點坐標，建立一個同心半圓坐標系；對于任意一個狀態(tài)變量的分量通過公式2將其映射為平面上的一點公式(2)其中，u表示兩個相鄰軸半徑的差值；對于k時刻的狀態(tài)變量Sk，通過公式3，映射為平面上的點并將其依次連接，得到一條折線Lk來反映k時刻的狀態(tài)變量；而系統(tǒng)的每一個狀態(tài)則可以通過這些唯一的折線來表示，因此有：公式(3)在平面直角坐標系中，首先畫出n個等距同心半圓，其為N維歐幾里得空間RN的同心半圓坐標軸；即使這些坐標軸的長度并不一樣，但是每個半圓都有相同的角度范圍，即0～π；每一個半圓代表一根坐標軸，且方向為逆時針方向；坐標軸di代表了第i維的數(shù)據(jù)，并通過公示將數(shù)據(jù)點縮放限制在0～π之間；所述狀態(tài)轉(zhuǎn)移圖用來描述一段時間內(nèi)系統(tǒng)狀態(tài)轉(zhuǎn)移的過程；從k1時刻到k2時刻，系統(tǒng)的狀態(tài)順序集為{Sk1，Sk1+1，……Sk2-1，Sk2}，對應(yīng)的折線集為{Lk1，Lk1+1，……Lk2-1，Lk2}；所述狀態(tài)轉(zhuǎn)移可視化表達模塊還包括：狀態(tài)折線繪制模塊，用以在同一個同心半圓坐標軸下畫出所有狀態(tài)折線；封閉區(qū)域形成模塊，對于相鄰兩根狀態(tài)折線，用直線將折線的末端相連形成一個封閉區(qū)域，Ak是由折線Lk和折線Lk+1以及他們的末端連線圍成的封閉區(qū)域；填色模塊，用以對封閉區(qū)域A1,A2,……,Ak-1進行一次填色，當區(qū)域相互重疊的時候，重疊區(qū)域的顏色就會加深，顏色的深度取決于這些區(qū)域重疊的次數(shù)。作為本發(fā)明的一種優(yōu)選方案，所述狀態(tài)轉(zhuǎn)移可視化表達模塊用以生成工程中一系列狀態(tài)的狀態(tài)轉(zhuǎn)移圖；一組有序的時間序列圖根據(jù)周期T以及遞進D繪制產(chǎn)生系列軌跡圖，0≤D≤T；其中第一張圖所選取的原始數(shù)據(jù)系列為{X1,X2,X3,...,XT}，第二張圖所選取的原始數(shù)據(jù)系列為{XD+1,XD+2,...,XD+T}，那么第N張圖所選取的原始數(shù)據(jù)系列為{XD*(N-1)+1,XD*(D-1)+2,...,XD*(N-1)+T}不同的軌跡圖代表了系不同時期的屬性。作為本發(fā)明的一種優(yōu)選方案，所述圖形特征提取模塊提取狀態(tài)轉(zhuǎn)移圖的設(shè)定特征包括：狀態(tài)轉(zhuǎn)移圖的質(zhì)心與質(zhì)心間距、圖形熵、圖形面積、單位面積熵變率中的一個或多個；質(zhì)心為物質(zhì)系統(tǒng)上被認為質(zhì)量集中于此的一個假想點，質(zhì)心的位置矢量是質(zhì)點組中各個質(zhì)點的位置矢量根據(jù)其對應(yīng)質(zhì)量加權(quán)平均之后的平均矢量；質(zhì)心的變化反映圖形特征的變化，對于每一幅狀態(tài)轉(zhuǎn)移圖的質(zhì)心用公式4表示：公式(4)其中，M*N表示圖像在X方向M個像素點，Y方向N個像素點；Pv(i,j)表示一幅圖像中像素點(i,j)的灰度值；由公式4可知，圖像質(zhì)心與圖像中像素點的灰度值明顯相關(guān)；為了更易發(fā)現(xiàn)狀態(tài)的變化，通過縮小灰度值范圍求出同一副圖的不同質(zhì)心，而質(zhì)心間距用于衡量圖形質(zhì)心的變化，定義如公式5所示；公式(5)其中，第i幅圖的質(zhì)心坐標為(Xi,Yi)；第i+1幅圖的質(zhì)心坐標為(Xi+1,Yi+1)；圖形熵是用來估計不同圖像之間信息的變化量的指標，同時也反映了不同狀態(tài)下系統(tǒng)的能量變化；系統(tǒng)能量越均勻，狀態(tài)無序，熵值越大；系統(tǒng)能量不均勻，狀態(tài)有序，熵值越??；公式6將圖形熵定義為：公式(6)其中，E表示圖形熵；G表示8進制圖像直方圖中灰度值，取值范圍為0-255；d(i)表示標準化后每一個灰度值出現(xiàn)的頻率；N表示整幅圖像的總像素點個數(shù)；p(i)表示灰度值為i的像素點個數(shù)；圖形面積變量包含一個值，統(tǒng)計的是圖像像素點的個數(shù)，當圖像的面積發(fā)生變化時，圖像的像素點個數(shù)也會發(fā)生變化，像素點變化越大，代表著圖像的面積特征變化越明顯；定義如公式7：公式(7)其中，X表示一幅圖像中水平方向的像素點個數(shù)；Y表示一幅圖像中垂直方向的像素點個數(shù)；PV(i,j)表示一幅圖像中像素點(i,j)的灰度值；F()表示一幅圖像中的某一個像素點是否為白色，若a=255為白色；a表示像素點的灰度值，取值范圍為0到255；對于兩幅相鄰的狀態(tài)轉(zhuǎn)移圖，如果他們的圖形熵和圖形面積的值分別是Hi，Si，Hi-1和Si-1，定義單位面積熵變率ECRA如公式8所示：公式(8)其中，ΔHi表示第i幅狀態(tài)轉(zhuǎn)移圖的熵變值，ΔHAi表示第i幅狀態(tài)轉(zhuǎn)移圖的單位面積熵變值；所述圖形特征提取模塊根據(jù)上述定義分別計算每幅狀態(tài)轉(zhuǎn)移圖的圖形特征變量值。一種基于狀態(tài)轉(zhuǎn)移的工程風險監(jiān)測方法，所述方法包括如下步驟：原始數(shù)據(jù)處理步驟；獲取原始數(shù)據(jù)，并將原始數(shù)據(jù)經(jīng)過無量綱化處理；狀態(tài)轉(zhuǎn)移可視化表達步驟；根據(jù)經(jīng)過原始數(shù)據(jù)處理模塊處理的數(shù)據(jù)生成工程中各狀態(tài)的狀態(tài)轉(zhuǎn)移圖；圖形特征提取步驟；獲取所述狀態(tài)轉(zhuǎn)移可視化表達模塊生成的狀態(tài)轉(zhuǎn)移圖，并從中提取狀態(tài)轉(zhuǎn)移圖的設(shè)定特征；自動學習步驟；獲取圖像特征提取模塊提取的圖形特征值，計算每一特征值與歷史平均值的比值，并設(shè)定閾值；圖像自動辨識步驟；根據(jù)所述圖形特征提取模塊提取狀態(tài)轉(zhuǎn)移圖的設(shè)定特征以及自動學習模塊設(shè)定的閾值判斷工程是否處于風險狀態(tài)。作為本發(fā)明的一種優(yōu)選方案，所述原始數(shù)據(jù)處理步驟中，將原始數(shù)據(jù)經(jīng)過無量綱化處理；無量綱化處理通過數(shù)學變換來消除原始變量量綱影響的方法；將數(shù)據(jù)全部縮放到0～π之間來消除原始變量的量綱影響；具體過程如下：假定在k時刻，第i個分量通過公式1將其縮放限制在0～π之間，并映射到坐標軸點；公式(1)其中，作為本發(fā)明的一種優(yōu)選方案，所述狀態(tài)轉(zhuǎn)移可視化表達步驟中，將數(shù)據(jù)進行向空間轉(zhuǎn)換、可視化表達的過程；具體包括如下步驟：建立同心半圓坐標系，將預處理的數(shù)據(jù)根據(jù)公式映射到該平面坐標系中；繪制同一個同心半圓坐標軸下所有狀態(tài)折線；用直線將相鄰兩根狀態(tài)折線的末端相連形成一個封閉區(qū)域并進行填色，生成一幅狀態(tài)轉(zhuǎn)移圖；根據(jù)預設(shè)的周期和遞進參數(shù)繪制系列狀態(tài)轉(zhuǎn)移圖。作為本發(fā)明的一種優(yōu)選方案，所述方法自動學習步驟中，自動學習模塊根據(jù)圖形特征提取步驟提取狀態(tài)轉(zhuǎn)移圖的特征變量值，計算當前值與平均值比值的過程；平均值分別按歷史數(shù)據(jù)中數(shù)值大小前5%、10%、20%、50%的數(shù)值計算；所述圖像自動辨識步驟實現(xiàn)狀態(tài)轉(zhuǎn)移圖風險識別的主要過程；具體包括如下步驟：（1）根據(jù)圖形特征提取模塊獲取系列狀態(tài)轉(zhuǎn)移圖的特征變量值并繪制相應(yīng)的指標曲線；（2）選擇是否進入自動學習模塊；若進入自動學習模塊，則獲取特征變量當前值與歷史平均值的比值；若該比值在設(shè)定閾值外即判斷為異常；若不進入自動學習模塊，則計算特征變量當前值與前一值的比值；若該比值在設(shè)定閾值外即判斷為異常；（3）比值超過閾值越大，判斷狀態(tài)轉(zhuǎn)移圖越為異常，此時系統(tǒng)越有可能處于異常狀態(tài)。作為本發(fā)明的一種優(yōu)選方案，所述方法通過一組時序數(shù)據(jù)為S表示工程中的各狀態(tài)變量數(shù)據(jù)，那么Sk就表示在k時刻工程的狀態(tài)，并且每一個狀態(tài)都由n個代表工程狀態(tài)的內(nèi)部變量所組成；S={S0,S1,...,Sk-1,Sk,Sk+1,...}；其中，假定某工程有n個可測分變量，那么在k時刻，其狀態(tài)變量Sk表示為：定義第i個可測分變量值的量程范圍分別為mini和maxi，那么有：所述狀態(tài)轉(zhuǎn)移可視化表達步驟包括第一狀態(tài)分量映射步驟，將第k時刻第i個分量通過公式1將其縮放限制在0～π之間，并映射到坐標軸點；公式(1)所述狀態(tài)轉(zhuǎn)移可視化表達步驟包括第二狀態(tài)分量映射步驟，選擇平面上一定點O，以O(shè)為原點坐標，建立一個同心半圓坐標系；對于任意一個狀態(tài)變量的分量通過公式2將其映射為平面上的一點公式(2)其中，u表示兩個相鄰軸半徑的差值；對于k時刻的狀態(tài)變量Sk，通過公式3，映射為平面上的點并將其依次連接，得到一條折線Lk來反映k時刻的狀態(tài)變量；而系統(tǒng)的每一個狀態(tài)則可以通過這些唯一的折線來表示，因此有：公式(3)在平面直角坐標系中，首先畫出n個等距同心半圓，其為N維歐幾里得空間RN的同心半圓坐標軸；即使這些坐標軸的長度并不一樣，但是每個半圓都有相同的角度范圍，即0～π；每一個半圓代表一根坐標軸，且方向為逆時針方向；坐標軸di代表了第i維的數(shù)據(jù)，并通過公示將數(shù)據(jù)點縮放限制在0～π之間；所述狀態(tài)轉(zhuǎn)移圖用來描述一段時間內(nèi)系統(tǒng)狀態(tài)轉(zhuǎn)移的過程；從k1時刻到k2時刻，系統(tǒng)的狀態(tài)順序集為{Sk1，Sk1+1，……Sk2-1，Sk2}，對應(yīng)的折線集為{Lk1，Lk1+1，……Lk2-1，Lk2}；所述狀態(tài)轉(zhuǎn)移可視化表達步驟還包括：狀態(tài)折線繪制步驟，在同一個同心半圓坐標軸下畫出所有狀態(tài)折線；封閉區(qū)域形成步驟，對于相鄰兩根狀態(tài)折線，用直線將折線的末端相連形成一個封閉區(qū)域，Ak是由折線Lk和折線Lk+1以及他們的末端連線圍成的封閉區(qū)域；填色步驟，對封閉區(qū)域A1,A2,……,Ak-1進行一次填色，當區(qū)域相互重疊的時候，重疊區(qū)域的顏色就會加深，顏色的深度取決于這些區(qū)域重疊的次數(shù)。作為本發(fā)明的一種優(yōu)選方案，所述狀態(tài)轉(zhuǎn)移可視化表達步驟生成工程中一系列狀態(tài)的狀態(tài)轉(zhuǎn)移圖；一組有序的時間序列圖根據(jù)周期T以及遞進D繪制產(chǎn)生系列軌跡圖，0≤D≤T；其中第一張圖所選取的原始數(shù)據(jù)系列為{X1,X2,X3,...XT}，第二張圖所選取的原始數(shù)據(jù)系列為{XD+1,XD+2,...,XD+T}，那么第N張圖所選取的原始數(shù)據(jù)系列為{XD*(N-1)+1,XD*(D-1)+2,...,XD*(N-1)+T}，不同的軌跡圖代表了系統(tǒng)不同時期的屬性。作為本發(fā)明的一種優(yōu)選方案，所述圖形特征提取步驟提取狀態(tài)轉(zhuǎn)移圖的設(shè)定特征包括：狀態(tài)轉(zhuǎn)移圖的質(zhì)心與質(zhì)心間距、圖形熵、圖形面積、單位面積熵變率中的一個或多個；質(zhì)心為物質(zhì)系統(tǒng)上被認為質(zhì)量集中于此的一個假想點，質(zhì)心的位置矢量是質(zhì)點組中各個質(zhì)點的位置矢量根據(jù)其對應(yīng)質(zhì)量加權(quán)平均之后的平均矢量；質(zhì)心的變化反映圖形特征的變化，對于每一幅狀態(tài)轉(zhuǎn)移圖的質(zhì)心用公式4表示：公式(4)其中，M*N表示圖像在X方向M個像素點，Y方向N個像素點；Pv(i,j)表示一幅圖像中像素點(i,j)的灰度值；由公式4可知，圖像質(zhì)心與圖像中像素點的灰度值明顯相關(guān)；為了更易發(fā)現(xiàn)狀態(tài)的變化，通過縮小灰度值范圍求出同一副圖的不同質(zhì)心，而質(zhì)心間距用于衡量圖形質(zhì)心的變化，定義如公式5所示；公式(5)其中，第i幅圖的質(zhì)心坐標為(Xi,Yi)；第i+1幅圖的質(zhì)心坐標為(Xi+1,Yi+1)；圖形熵是用來估計不同圖像之間信息的變化量的指標，同時也反映了不同狀態(tài)下系統(tǒng)的能量變化；系統(tǒng)能量越均勻，狀態(tài)無序，熵值越大；系統(tǒng)能量不均勻，狀態(tài)有序，熵值越??；公式6將圖形熵定義為：公式(6)其中，E表示圖形熵；G表示8進制圖像直方圖中灰度值，取值范圍為0-255；d(i)表示標準化后每一個灰度值出現(xiàn)的頻率；N表示整幅圖像的總像素點個數(shù)；p(i)表示灰度值為i的像素點個數(shù)；圖形面積變量包含一個值，統(tǒng)計的是圖像像素點的個數(shù)，當圖像的面積發(fā)生變化時，圖像的像素點個數(shù)也會發(fā)生變化，像素點變化越大，代表著圖像的面積特征變化越明顯；定義如公式7：公式(7)其中，X表示一幅圖像中水平方向的像素點個數(shù)；Y表示一幅圖像中垂直方向的像素點個數(shù)；PV(i,j)表示一幅圖像中像素點(i,j)的灰度值；F()表示一幅圖像中的某一個像素點是否為白色，若a=255為白色；a表示像素點的灰度值，取值范圍為0到255；對于兩幅相鄰的狀態(tài)轉(zhuǎn)移圖，如果他們的圖形熵和圖形面積的值分別是Hi，Ai，Hi-1和Ai-1，定義單位面積熵變率ECRA如公式8所示：公式(8)其中，ΔHi表示第i幅狀態(tài)轉(zhuǎn)移圖的熵變值，ΔHAi表示第i幅狀態(tài)轉(zhuǎn)移圖的單位面積熵變值；所述方法還包括：圖形特征提取模塊根據(jù)上述定義分別計算每幅狀態(tài)轉(zhuǎn)移圖的圖形特征變量值。本發(fā)明的有益效果在于：本發(fā)明提出的基于狀態(tài)轉(zhuǎn)移的工程風險監(jiān)測系統(tǒng)及方法，借鑒空間重構(gòu)技術(shù)和可視化數(shù)據(jù)分析技術(shù)在表達復雜系統(tǒng)規(guī)律和特征的優(yōu)勢，從狀態(tài)變化的角度分析系統(tǒng)的異常變化，從而發(fā)現(xiàn)工程的潛在風險。該方法與一般地下工程風險監(jiān)測方法相比，不僅能夠針對性地解決地下工程災害的不確定性和突發(fā)性問題，而且以可視化的方式自動監(jiān)測工程風險，具有直觀性和智能性。并且本發(fā)明也隱含地給出了一種突發(fā)事件風險監(jiān)測的一般方法。附圖說明圖1為本發(fā)明基于狀態(tài)轉(zhuǎn)移的工程風險監(jiān)測方法的流程圖。圖2為同心半圓坐標軸的示意圖。圖3為畫出不同狀態(tài)下的折線的示意圖。圖4為對狀態(tài)轉(zhuǎn)移區(qū)域進行填色的示意圖。圖5為長江隧道狀態(tài)轉(zhuǎn)移圖。圖6為長江隧道災變前兆面積與圖形熵信號示意圖。圖7為長江隧道災變前兆ECRA信號示意圖。具體實施方式下面結(jié)合附圖詳細說明本發(fā)明的優(yōu)選實施例。實施例一請參閱圖1，本發(fā)明揭示了一種基于狀態(tài)轉(zhuǎn)移的工程風險監(jiān)測系統(tǒng)，所述系統(tǒng)包括：原始數(shù)據(jù)處理模塊、狀態(tài)轉(zhuǎn)移可視化表達模塊、圖形特征提取模塊、自動學習模塊、圖像自動辨識模塊。原始數(shù)據(jù)處理模塊用以獲取原始數(shù)據(jù)，并將原始數(shù)據(jù)經(jīng)過無量綱化處理。狀態(tài)轉(zhuǎn)移可視化表達模塊與所述原始數(shù)據(jù)處理模塊連接，用以根據(jù)經(jīng)過原始數(shù)據(jù)處理模塊處理的數(shù)據(jù)，生成工程中各狀態(tài)的狀態(tài)轉(zhuǎn)移圖。圖形特征提取模塊與所述狀態(tài)轉(zhuǎn)移可視化表達模塊連接，用以獲取所述狀態(tài)轉(zhuǎn)移可視化表達模塊生成的狀態(tài)轉(zhuǎn)移圖，并從中提取狀態(tài)轉(zhuǎn)移圖的設(shè)定特征。自動學習模塊與所述圖像特征提取模塊連接，用以獲取圖像特征提取模塊提取的圖形特征值，計算每一特征值與歷史平均值的比值，并設(shè)定閾值。圖像自動辨識模塊與所述圖形特征提取模塊、自動學習模塊連接，用以根據(jù)所述圖形特征提取模塊提取狀態(tài)轉(zhuǎn)移圖的設(shè)定特征以及自動學習模塊設(shè)定的閾值判斷工程是否處于風險狀態(tài)。所述原始數(shù)據(jù)處理模塊的無量綱化處理通過數(shù)學變換來消除原始變量量綱影響的方法；將數(shù)據(jù)全部縮放到0～π之間來消除原始變量的量綱影響。具體過程如下：假定在k時刻，第i個分量通過公式1將其縮放限制在0～π之間，并映射到坐標軸點；公式(1)其中，所述狀態(tài)轉(zhuǎn)移可視化表達模塊是將數(shù)據(jù)進行向空間轉(zhuǎn)換、可視化表達的過程；具體包括：同心半圓坐標系建立單元、狀態(tài)折線繪制單元、狀態(tài)轉(zhuǎn)移圖生成單元、系列狀態(tài)轉(zhuǎn)移圖繪制單元。同心半圓坐標系建立單元用以建立同心半圓坐標系，將預處理的數(shù)據(jù)根據(jù)公式映射到該平面坐標系中；狀態(tài)折線繪制單元用以繪制同一個同心半圓坐標軸下所有狀態(tài)折線；狀態(tài)轉(zhuǎn)移圖生成單元，用直線將相鄰兩根狀態(tài)折線的末端相連形成一個封閉區(qū)域并進行填色，生成一幅狀態(tài)轉(zhuǎn)移圖；系列狀態(tài)轉(zhuǎn)移圖繪制單元用以根據(jù)預設(shè)的周期和遞進參數(shù)繪制系列狀態(tài)轉(zhuǎn)移圖。所述自動學習模塊根據(jù)圖形特征提取模塊，提取狀態(tài)轉(zhuǎn)移圖的特征變量值，計算當前值與平均值比值的過程；平均值可以為一個或多個，本實施例中，平均值分別按歷史數(shù)據(jù)中數(shù)值大小前5%、10%、20%、50%的數(shù)值計算，相應(yīng)地，閾值也有多個數(shù)值。優(yōu)選地，歷史數(shù)據(jù)為設(shè)定時間內(nèi)正常狀態(tài)下的歷史數(shù)據(jù)。所述圖像自動辨識模塊用以實現(xiàn)狀態(tài)轉(zhuǎn)移圖風險識別的主要過程；具體包括：（1）根據(jù)圖形特征提取模塊，獲取系列狀態(tài)轉(zhuǎn)移圖的特征變量值并繪制相應(yīng)的指標曲線；（2）選擇是否進入自動學習模塊；若進入自動學習模塊，則獲取特征變量當前值與歷史平均值的比值；若該比值在設(shè)定閾值外即判斷為異常；若不進入自動學習模塊，則計算特征變量當前值與前一值的比值；若該比值在設(shè)定閾值外即判斷為異常；（3）比值超過閾值越大，判斷狀態(tài)轉(zhuǎn)移圖越為異常，此時系統(tǒng)越有可能處于異常狀態(tài)。具體地，所述系統(tǒng)首先通過一組時序數(shù)據(jù)為S表示工程中的各狀態(tài)變量數(shù)據(jù)，那么Sk就表示在k時刻工程的狀態(tài)，并且每一個狀態(tài)都由n個代表工程狀態(tài)的內(nèi)部變量所組成；S={S0,S1,...,Sk-1,Sk,Sk+1,...}；其中，假定某工程有n個可測分變量，那么在k時刻，其狀態(tài)變量Sk表示為：定義第i個可測分變量值的量程范圍分別為mini和maxi，那么有：所述狀態(tài)轉(zhuǎn)移可視化表達模塊包括第一狀態(tài)分量映射模塊，用以將第k時刻第i個分量通過公式1將其縮放限制在0～π之間，并映射到坐標軸點；公式(1)所述狀態(tài)轉(zhuǎn)移可視化表達模塊包括第二狀態(tài)分量映射模塊，用以選擇平面上一定點O，以O(shè)為原點坐標，建立一個同心半圓坐標系；對于任意一個狀態(tài)變量的分量通過公式2將其映射為平面上的一點公式(2)其中，u表示兩個相鄰軸半徑的差值；對于k時刻的狀態(tài)變量Sk，通過公式3，映射為平面上的點并將其依次連接，得到一條折線Lk來反映k時刻的狀態(tài)變量；而系統(tǒng)的每一個狀態(tài)則可以通過這些唯一的折線來表示，因此有：公式(3)如圖2所示，在平面直角坐標系中，首先畫出n個等距同心半圓，其為N維歐幾里得空間RN的同心半圓坐標軸；即使這些坐標軸的長度并不一樣，但是每個半圓都有相同的角度范圍，即0～π；每一個半圓代表一根坐標軸，且方向為逆時針方向；坐標軸di代表了第i維的數(shù)據(jù)，并通過公示將數(shù)據(jù)點縮放限制在0～π之間。所述狀態(tài)轉(zhuǎn)移圖用來描述一段時間內(nèi)系統(tǒng)狀態(tài)轉(zhuǎn)移的過程；從k1時刻到k2時刻，系統(tǒng)的狀態(tài)順序集為{Sk1，Sk1+1，……Sk2-1，Sk2}，對應(yīng)的折線集為{Lk1，Lk1+1，……Lk2-1，Lk2}；所述狀態(tài)轉(zhuǎn)移可視化表達模塊還包括：狀態(tài)折線繪制模塊、封閉區(qū)域形成模塊、填色模塊。狀態(tài)折線繪制模塊用以在同一個同心半圓坐標軸下畫出所有狀態(tài)折線；對于相鄰兩根狀態(tài)折線，封閉區(qū)域形成模塊用直線將折線的末端相連形成一個封閉區(qū)域，Ak是由折線Lk和折線Lk+1以及他們的末端連線圍成的封閉區(qū)域；填色模塊用以對封閉區(qū)域A1,A2,……,Ak-1進行一次填色，當區(qū)域相互重疊的時候，重疊區(qū)域的顏色就會加深，顏色的深度取決于這些區(qū)域重疊的次數(shù)。通常，工程中有一系列的狀態(tài)；所述狀態(tài)轉(zhuǎn)移可視化表達模塊對應(yīng)地需要生成工程中一系列狀態(tài)的狀態(tài)轉(zhuǎn)移圖。一組有序的時間序列圖根據(jù)周期T以及遞進D繪制產(chǎn)生系列軌跡圖，0≤D≤T；其中第一張圖所選取的原始數(shù)據(jù)系列為{X1,X2,X3,...,XT}，第二張圖所選取的原始數(shù)據(jù)系列為{XD+1,XD+2,...,XD+T}，那么第N張圖所選取的原始數(shù)據(jù)系列為{XD*(N-1)+1,XD*(D-1)+2,...,XD*(N-1)+T}，不同的軌跡圖代表了系統(tǒng)不同時期的屬性。所述圖形特征提取模塊提取狀態(tài)轉(zhuǎn)移圖的設(shè)定特征包括：狀態(tài)轉(zhuǎn)移圖的質(zhì)心與質(zhì)心間距、圖形熵、圖形面積、單位面積熵變率中的一個或多個。質(zhì)心為物質(zhì)系統(tǒng)上被認為質(zhì)量集中于此的一個假想點，質(zhì)心的位置矢量是質(zhì)點組中各個質(zhì)點的位置矢量根據(jù)其對應(yīng)質(zhì)量加權(quán)平均之后的平均矢量；質(zhì)心的變化反映圖形特征的變化，對于每一幅狀態(tài)轉(zhuǎn)移圖的質(zhì)心用公式4表示：公式(4)其中，M*N表示圖像在X方向M個像素點，Y方向N個像素點；Pv(i,j)表示一幅圖像中像素點(i,j)的灰度值。由公式4可知，圖像質(zhì)心與圖像中像素點的灰度值明顯相關(guān)；為了更易發(fā)現(xiàn)狀態(tài)的變化，通過縮小灰度值范圍求出同一副圖的不同質(zhì)心，而質(zhì)心間距用于衡量圖形質(zhì)心的變化，定義如公式5所示；公式(5)其中，第i幅圖的質(zhì)心坐標為(Xi,Yi)；第i+1幅圖的質(zhì)心坐標為(Xi+1,Yi+1)。圖形熵是用來估計不同圖像之間信息的變化量的指標，同時也反映了不同狀態(tài)下系統(tǒng)的能量變化；系統(tǒng)能量越均勻，狀態(tài)無序，熵值越大；系統(tǒng)能量不均勻，狀態(tài)有序，熵值越?。还?將圖形熵定義為：公式(6)其中，E表示圖形熵；G表示8進制圖像直方圖中灰度值，取值范圍為0-255；d(i)表示標準化后每一個灰度值出現(xiàn)的頻率；N表示整幅圖像的總像素點個數(shù)；p(i)表示灰度值為i的像素點個數(shù)。圖形面積變量包含一個值，統(tǒng)計的是圖像像素點的個數(shù)，當圖像的面積發(fā)生變化時，圖像的像素點個數(shù)也會發(fā)生變化，像素點變化越大，代表著圖像的面積特征變化越明顯；定義如公式7：公式(7)其中，X表示一幅圖像中水平方向的像素點個數(shù)；Y表示一幅圖像中垂直方向的像素點個數(shù)；PV(i,j)表示一幅圖像中像素點(i,j)的灰度值；F()表示一幅圖像中的某一個像素點是否為白色，若a=255為白色；a表示像素點的灰度值，取值范圍為0到255；對于兩幅相鄰的狀態(tài)轉(zhuǎn)移圖，如果他們的圖形熵和圖形面積的值分別是Hi，Ai，Hi-1和Ai-1，定義單位面積熵變率ECRA如公式8所示：公式(8)其中，ΔHi表示第i幅狀態(tài)轉(zhuǎn)移圖的熵變值，ΔHAi表示第i幅狀態(tài)轉(zhuǎn)移圖的單位面積熵變值。以上介紹了本發(fā)明基于狀態(tài)轉(zhuǎn)移的工程風險監(jiān)測系統(tǒng)的組成，本發(fā)明在揭示上述系統(tǒng)的同時，還揭示一種基于狀態(tài)轉(zhuǎn)移的工程風險監(jiān)測方法；所述方法包括如下步驟：【步驟S1】原始數(shù)據(jù)處理步驟；獲取原始數(shù)據(jù)，并將原始數(shù)據(jù)經(jīng)過無量綱化處理?！静襟ES2】狀態(tài)轉(zhuǎn)移可視化表達步驟；根據(jù)經(jīng)過原始數(shù)據(jù)處理模塊處理的數(shù)據(jù)生成工程中各狀態(tài)的狀態(tài)轉(zhuǎn)移圖。首先，所述方法通過一組時序數(shù)據(jù)為S表示工程中的各狀態(tài)變量數(shù)據(jù)，那么Sk就表示在k時刻工程的狀態(tài)，并且每一個狀態(tài)都由n個代表工程狀態(tài)的內(nèi)部變量所組成；S={S0,S1,...,Sk-1,Sk,Sk+1,...}；其中，假定某工程有n個可測分變量，那么在k時刻，其狀態(tài)變量Sk表示為：定義第i個可測分變量值的量程范圍分別為mini和maxi，那么有：所述狀態(tài)轉(zhuǎn)移可視化表達步驟包括第一狀態(tài)分量映射步驟，將第k時刻第i個分量通過公式1將其縮放限制在0～π之間，并映射到坐標軸點；公式(1)所述狀態(tài)轉(zhuǎn)移可視化表達步驟包括第二狀態(tài)分量映射步驟，選擇平面上一定點O，以O(shè)為原點坐標，建立一個同心半圓坐標系；對于任意一個狀態(tài)變量的分量通過公式2將其映射為平面上的一點公式(2)其中，u表示兩個相鄰軸半徑的差值；對于k時刻的狀態(tài)變量Sk，通過公式3，映射為平面上的點并將其依次連接，得到一條折線Lk來反映k時刻的狀態(tài)變量；而系統(tǒng)的每一個狀態(tài)則可以通過這些唯一的折線來表示，因此有：公式(3)在平面直角坐標系中，首先畫出n個等距同心半圓，其為N維歐幾里得空間RN的同心半圓坐標軸；即使這些坐標軸的長度并不一樣，但是每個半圓都有相同的角度范圍，即0～π；每一個半圓代表一根坐標軸，且方向為逆時針方向；坐標軸di代表了第i維的數(shù)據(jù)，并通過公示將數(shù)據(jù)點縮放限制在0～π之間；所述狀態(tài)轉(zhuǎn)移圖用來描述一段時間內(nèi)系統(tǒng)狀態(tài)轉(zhuǎn)移的過程；從k1時刻到k2時刻，系統(tǒng)的狀態(tài)順序集為{Sk1，Sk1+1，……Sk2-1，Sk2}，對應(yīng)的折線集為{Lk1，Lk1+1，……Lk2-1，Lk2}；所述狀態(tài)轉(zhuǎn)移可視化表達步驟還包括：狀態(tài)折線繪制步驟，如圖3所示，在同一個同心半圓坐標軸下畫出所有狀態(tài)折線；封閉區(qū)域形成步驟，對于相鄰兩根狀態(tài)折線，用直線將折線的末端相連形成一個封閉區(qū)域，Ak是由折線Lk和折線Lk+1以及他們的末端連線圍成的封閉區(qū)域；填色步驟，如圖4所示，對封閉區(qū)域A1,A2,……,Ak-1進行一次填色，當區(qū)域相互重疊的時候，重疊區(qū)域的顏色就會加深，顏色的深度取決于這些區(qū)域重疊的次數(shù)。通常，工程中有一系列的狀態(tài)；所述狀態(tài)轉(zhuǎn)移可視化表達步驟生成工程中一系列狀態(tài)的狀態(tài)轉(zhuǎn)移圖；一組有序的時間序列圖根據(jù)周期T以及遞進D繪制產(chǎn)生系列軌跡圖，0≤D≤T；其中第一張圖所選取的原始數(shù)據(jù)系列為{X1,X2,X3,...,XT}，第二張圖所選取的原始數(shù)據(jù)系列為{XD+1,XD+2,...,XD+T}，那么第N張圖所選取的原始數(shù)據(jù)系列為{XD*(N-1)+1,XD*(D-1)+2,...,XD*(N-1)+T}，不同的軌跡圖代表了系統(tǒng)不同時期的屬性。【步驟S3】圖形特征提取步驟；獲取所述狀態(tài)轉(zhuǎn)移可視化表達模塊生成的狀態(tài)轉(zhuǎn)移圖，并從中提取狀態(tài)轉(zhuǎn)移圖的設(shè)定特征。所述圖形特征提取步驟提取狀態(tài)轉(zhuǎn)移圖的設(shè)定特征包括：狀態(tài)轉(zhuǎn)移圖的質(zhì)心與質(zhì)心間距、圖形熵、圖形面積、單位面積熵變率中的一個或多個。質(zhì)心為物質(zhì)系統(tǒng)上被認為質(zhì)量集中于此的一個假想點，質(zhì)心的位置矢量是質(zhì)點組中各個質(zhì)點的位置矢量根據(jù)其對應(yīng)質(zhì)量加權(quán)平均之后的平均矢量；質(zhì)心的變化反映圖形特征的變化，對于每一幅狀態(tài)轉(zhuǎn)移圖的質(zhì)心用公式4表示：公式(4)其中，M*N表示圖像在X方向M個像素點，Y方向N個像素點；Pv(i,j)表示一幅圖像中像素點(i,j)的灰度值；由公式4可知，圖像質(zhì)心與圖像中像素點的灰度值明顯相關(guān)；為了更易發(fā)現(xiàn)狀態(tài)的變化，通過縮小灰度值范圍求出同一副圖的不同質(zhì)心，而質(zhì)心間距用于衡量圖形質(zhì)心的變化，定義如公式5所示；公式(5)其中，第i幅圖的質(zhì)心坐標為(Xi,Yi)；第i+1幅圖的質(zhì)心坐標為(Xi+1,Yi+1)；圖形熵是用來估計不同圖像之間信息的變化量的指標，同時也反映了不同狀態(tài)下系統(tǒng)的能量變化；系統(tǒng)能量越均勻，狀態(tài)無序，熵值越大；系統(tǒng)能量不均勻，狀態(tài)有序，熵值越小；公式6將圖形熵定義為：公式(6)其中，E表示圖形熵；G表示8進制圖像直方圖中灰度值，取值范圍為0-255；d(i)表示標準化后每一個灰度值出現(xiàn)的頻率；N表示整幅圖像的總像素點個數(shù)；p(i)表示灰度值為i的像素點個數(shù)；圖形面積變量包含一個值，統(tǒng)計的是圖像像素點的個數(shù)，當圖像的面積發(fā)生變化時，圖像的像素點個數(shù)也會發(fā)生變化，像素點變化越大，代表著圖像的面積特征變化越明顯；定義如公式7：公式(7)其中，X表示一幅圖像中水平方向的像素點個數(shù)；Y表示一幅圖像中垂直方向的像素點個數(shù)；Pv(i,j)表示一幅圖像中像素點(i,j)的灰度值；F()表示一幅圖像中的某一個像素點是否為白色，若a=255為白色；a表示像素點的灰度值，取值范圍為0到255；對于兩幅相鄰的狀態(tài)轉(zhuǎn)移圖，如果他們的圖形熵和圖形面積的值分別是Hi，Ai，Hi-1和Hi-1，定義單位面積熵變率ECRA如公式8所示：公式(8)其中，ΔHi表示第i幅狀態(tài)轉(zhuǎn)移圖的熵變值，ΔHAi表示第i幅狀態(tài)轉(zhuǎn)移圖的單位面積熵變值?！静襟ES4】自動學習步驟；根據(jù)所述圖像特征提取模塊提取的圖形特征值，計算每一特征值與歷史平均值的比值，并設(shè)定閾值?！静襟ES5】圖像自動辨識步驟；根據(jù)所述圖形特征提取模塊提取狀態(tài)轉(zhuǎn)移圖的設(shè)定特征以及自動學習模塊設(shè)定的閾值判斷工程是否處于風險狀態(tài)。【風險評判的方法背景及特點】在自然界和人類社會活動中，除了漸變的和連續(xù)光滑的變化現(xiàn)象外，還存在著大量的突然變化和躍遷現(xiàn)象，如巖石的破裂、橋梁的崩塌、地震、海嘯、細胞的分裂、生物的變異、人的休克、情緒的波動、戰(zhàn)爭、市場變化、企業(yè)倒閉、經(jīng)濟危機等。這種現(xiàn)象被稱為“突變”,其通常發(fā)生在非線性動力系統(tǒng)中，是系統(tǒng)連續(xù)性狀態(tài)突然中斷導致質(zhì)變的過程，是系統(tǒng)從某一個穩(wěn)定態(tài)到另一個穩(wěn)定態(tài)的轉(zhuǎn)化。地下工程的風險常常具有這種特征，由于地下工程結(jié)構(gòu)和施工方法的特殊性，特別是施工開挖過程中周邊環(huán)境(介質(zhì))的不確定性和復雜性，其災害發(fā)生往往具有“突變”的特性。與常規(guī)的預測對象不同，突變現(xiàn)象不具有漸變、量變特點，而是出現(xiàn)了不連續(xù)和質(zhì)變的顯著特征，因此采用微積分等傳統(tǒng)的數(shù)據(jù)模型或數(shù)學工具很難描述或預測這種飛躍和不連續(xù)過程。本發(fā)明是一種基于災變理論和狀態(tài)演化的可視化風險監(jiān)測方法，該方法借鑒空間重構(gòu)技術(shù)和可視化數(shù)據(jù)分析技術(shù)在表達復雜系統(tǒng)規(guī)律和特征的優(yōu)勢，從狀態(tài)變化的角度來反映整個系統(tǒng)中的變化，而不單純以時間作為主軸來考慮問題。通過圖形來反映一段時間內(nèi)隨著系統(tǒng)從一個狀態(tài)到另一個狀態(tài)轉(zhuǎn)移的情況，不僅能直觀的反應(yīng)系統(tǒng)狀態(tài)變化的過程，更能深層次探索系統(tǒng)狀態(tài)變化的原因，從而針對性地解決地下工程災害的不確定性和突發(fā)性問題?！撅L險評判的方法原理與思想】本發(fā)明風險判斷的方法是在目前突變研究的相關(guān)理論上發(fā)展得到的。突變理論：由法國數(shù)學家托姆(R.Thom)在1969年提出。突變理論認為：系統(tǒng)所處的狀態(tài)，可用一組參數(shù)描述。當參數(shù)在某個范圍內(nèi)變化，該函數(shù)值有不止一個極值時，系統(tǒng)必然處于不穩(wěn)定狀態(tài)。系統(tǒng)從一種穩(wěn)定狀態(tài)進入不穩(wěn)定狀態(tài)，隨參數(shù)的再變化，又使不穩(wěn)定狀態(tài)進入另一種穩(wěn)定狀態(tài)，那么，系統(tǒng)狀態(tài)就在這一剎那間發(fā)生了突變。耗散理論：由比利時物理化學家普利高津在1969年提出。耗散理論認為：當系統(tǒng)離開平衡態(tài)的參數(shù)達到一定閾值時，系統(tǒng)將會出現(xiàn)“行為臨界點”，在越過這種臨界點后系統(tǒng)將離開原來的熱力學無序分支，發(fā)生突變而進入到一個全新的穩(wěn)定有序狀態(tài)，即“耗散結(jié)構(gòu)”。耗散結(jié)構(gòu)是在與外界交換物質(zhì)和能量的過程中，通過能量耗散和內(nèi)部非線性動力學機制的作用，經(jīng)過突變而形成并持久穩(wěn)定的宏觀有序結(jié)構(gòu)。因此，突變的出現(xiàn)與能量變化（熵變）密切關(guān)聯(lián)。突變早期預警征兆研究：突變理論和耗散理論均指出突變往往發(fā)生在非線性系統(tǒng)的分叉處的臨界點，近年來Scheffer[1]和Dakos[2]等指出，在分叉出現(xiàn)之前，反映系統(tǒng)狀態(tài)的時間序列數(shù)據(jù)將會出現(xiàn)數(shù)據(jù)波動幅度下降、頻度放緩和數(shù)據(jù)分布不對稱等結(jié)構(gòu)性異常變化特征。[1]SchefferM,BascompteJ,BrockWA,etal.Early-warningsignalsforcriticaltransitions[J].Nature.2009,461(7260):53-59.[2]DakosV,SchefferM,VanNesEH,etal.Slowingdownasanearlywarningsignalforabruptclimatechange[J].ProceedingsoftheNationalAcademyofSciences.2008,105(38):14308-14312.地下工程的主體作用對象是巖土介質(zhì)。地下工程巖體經(jīng)多次開挖，巖體本身所具有的平衡結(jié)構(gòu)受到嚴重的干擾，為了維持或恢復原有自身的平衡，在開挖強度不是太大的情況下，巖體將通過應(yīng)力和變形等方式自動地對其本身結(jié)構(gòu)進行一系列地調(diào)整，最后達到新的平衡。。但是，當人工開挖強度過大，對巖體的干擾破壞作用，超過了巖體自我調(diào)節(jié)的限度時，再加上其它外界因素（如地下水、地震等）的影響，巖體將隨著時間的推移由原來的穩(wěn)定狀態(tài)走向失穩(wěn)，也就是巖體系統(tǒng)出現(xiàn)了失穩(wěn)，即地下工程系統(tǒng)發(fā)生了突變（災害性事故）。在地下工程災害性事故演化過程中，整個系統(tǒng)符合耗散結(jié)構(gòu)理論和災變理論的描述，其災變的原因是當系統(tǒng)處于某一臨界點時，伴隨著一定能量的轉(zhuǎn)換和熵變，巖體遠離平衡態(tài)，引起圍巖體失穩(wěn)。因此，本發(fā)明的思路是將一組反映地下工程特征的時間序列數(shù)據(jù)按照一定的規(guī)則繪制成圖像，結(jié)合熵變、分叉、波動頻度和不對稱性等突變前兆特征，通過定量化的手段提取圖像中反映系統(tǒng)結(jié)構(gòu)變化的特征值，從而達到進行地下工程風險早期預警的目的。【風險評判定量計算指標含義】本發(fā)明給出了圖像質(zhì)心、質(zhì)心間距、、圖形面積、圖形熵和單位面積熵變率五個定量計算指標，評判系統(tǒng)是否出現(xiàn)了突變前兆，保證了突變前兆判斷可以通過計算機自動實現(xiàn)。這多個定量指標與系統(tǒng)突變特征的關(guān)系如下：1、質(zhì)心、質(zhì)心間距：質(zhì)心體現(xiàn)了整個系統(tǒng)的數(shù)據(jù)波動結(jié)構(gòu)特征和不對稱性，質(zhì)心間距反映了數(shù)據(jù)結(jié)構(gòu)變化，這與突變前兆特征中的不對稱性存在明顯關(guān)聯(lián)，當系統(tǒng)中的狀態(tài)數(shù)據(jù)值向某一領(lǐng)域漂移時，其圖形質(zhì)心必然發(fā)生移動。質(zhì)心位置特征和質(zhì)心間距增大是系統(tǒng)出現(xiàn)突變的前兆信號，系統(tǒng)可能從一個穩(wěn)定狀態(tài)向另一個狀態(tài)發(fā)生躍變。2、圖形面積：該特征變量體現(xiàn)了系統(tǒng)的波動幅度和頻度，與突變前兆特征中的波動幅度和分叉特性存在明顯關(guān)聯(lián)，圖像面積突然減少或增大是系統(tǒng)出現(xiàn)突變的前兆信號，系統(tǒng)可能從一個穩(wěn)定狀態(tài)向另一個狀態(tài)發(fā)生躍變。3、圖像熵和單位面積熵變率：熵是用來描述、表征系統(tǒng)不確定程度。圖像熵體現(xiàn)系統(tǒng)能量特征，圖像熵的變化體現(xiàn)了系統(tǒng)能量耗散的過程，單位面積熵變率反映了系統(tǒng)的熵變，高熵變是系統(tǒng)出現(xiàn)突變的前兆信號，系統(tǒng)可能從一個穩(wěn)定狀態(tài)向另一個狀態(tài)發(fā)生躍變?！緺顟B(tài)轉(zhuǎn)移圖繪制原理】本發(fā)明提出了同心半圓坐標系，將時序多維數(shù)據(jù)集映射到二維平面，忽略了時間序列數(shù)據(jù)的時間性，通過圖像宏觀結(jié)構(gòu)和微觀紋理變化使得突變征兆更加方便和明顯的體現(xiàn)出來。同心半圓坐標系：是平行坐標技術(shù)和星形圖技術(shù)綜合后的改進。它的基本思想是將n維數(shù)據(jù)歸一化處理后通過轉(zhuǎn)移函數(shù)，映射到等距離的半圓軸上，每條軸線都對應(yīng)于一個屬性維，從圓心開始，依次連接屬性值在軸線上映射點，形成一條折線，用于表達一組獨立的n維數(shù)據(jù)。數(shù)據(jù)時序關(guān)系的表達：前后兩組n維數(shù)據(jù)所映射的折線按逆時針方向封閉成一個多邊形區(qū)域，并進行涂色處理，以表達數(shù)據(jù)在時間上的轉(zhuǎn)移過程。當數(shù)據(jù)轉(zhuǎn)移過程中，所經(jīng)過的區(qū)域的顏色深度，與經(jīng)過的次數(shù)成正比。這樣通過顏色可以顯示數(shù)據(jù)所經(jīng)過的范圍以及數(shù)據(jù)變化過程的規(guī)律性。與其它多維平面坐標相比，同心半圓坐標系不同于以時間軸為中心的坐標系，它更加注重狀態(tài)的變化過程，將原本難以直觀描述的系統(tǒng)狀態(tài)，通過狀態(tài)軌跡圖譜法將單維或多維的數(shù)據(jù)繪制在一張圖片上，以圖形的特征量來判斷當前的系統(tǒng)狀態(tài)。這極大地壓縮數(shù)據(jù)，提高了高頻采樣監(jiān)測數(shù)據(jù)的處理，同時由于繪制的圖反映了數(shù)據(jù)變化過程，對于數(shù)據(jù)的缺失或異常數(shù)據(jù)的處理具有較強的魯棒性。實施例二本發(fā)明以長江隧道工程為例，說明方法的應(yīng)用效果。整個長江隧道實時采集到的數(shù)據(jù)維度眾多，本實驗利用盾構(gòu)密封艙五維壓力值進行風險預測。表1說明了長江隧道工程實驗的基本信息。實驗選取了長江隧道上行線2008年5月1日凌晨0:02分至2008年5月22日下午5:42分共10563條艙內(nèi)壓力數(shù)據(jù)作為數(shù)據(jù)樣本，采樣間隔為3分鐘。表1.長江隧道實驗基本信息實驗中，以每240條記錄作為一個周期繪制一張狀態(tài)轉(zhuǎn)移圖，后一張圖與前一張圖的步長間隔為5條，共繪制2068幅狀態(tài)轉(zhuǎn)移圖。圖5選取了從2008/5/153:18到2008/5/170:33的20幅連續(xù)的狀態(tài)轉(zhuǎn)移圖。圖6、圖7分別表示三種指標的判別曲線，其中虛線是實際在現(xiàn)場發(fā)現(xiàn)土體出現(xiàn)明顯下陷的已知危險點，小圓圈代表了災變征兆信號。圖6實線代表了圖形面積判別曲線，點線代表了圖形熵判別曲線，圖7實線代表了ECRA判別信號。根據(jù)圖5可以看出，從第1311幅圖到第1314幅圖是正常狀態(tài)的圖，圖形密度分布均衡，圖形形狀相似。但是從第1316幅圖到第1320幅圖，與之前的圖形明顯有差異，圖形的輪廓明顯變大。對比第1483到第1489幅這組圖，第1491幅圖（5/170:03）有明顯的差別，這意味著這里可能是一個風險信號。從圖6可以看出，面積曲線在（5/175:33）發(fā)出了明顯的信號，而圖形熵值在（5/194:33）也發(fā)出了強烈的信號。從圖7可以看出，在災變發(fā)生之前，共出現(xiàn)了三次明顯的ECRA信號，分別是5/155:03，5/170:03和5/1914:00。其中前兩次信號均早于實際災害發(fā)生。表2說明了災害發(fā)生前ECRA峰值與歷史平均值的關(guān)系。根據(jù)表2，可以看出前兩個信號的ECRA值分別是前50%歷史峰值平均值的11倍和14倍。因此，這兩個信號均是可信的，這兩個時間段工程極有可能處于風險狀態(tài)。實施例三本實施例與實施例一的區(qū)別在于，本實施例中，所述狀態(tài)轉(zhuǎn)移可視化表達模塊采用同心半圓坐標系建立表達多維平面坐標，過程如下：N維歐幾里得空間RN同心半圓坐標系由N個等距同心半圓坐標軸組成。每一個半圓為一條坐標軸，每條軸線都對應(yīng)于一個多維數(shù)據(jù)集的一個分量，從圓心開始，從內(nèi)到外依次編號：d0，d1，…，di，…，dN,單條周軸線圓心角范圍為0～180°，按逆時針方向遞增；假定一個N維時序數(shù)據(jù)的在k時刻的第i個分量為通過公式1和公式2函數(shù)轉(zhuǎn)換映射為第i條軸線上的一個點從圓心開始，依次連接形成一條折線，用于表達一組獨立的n維數(shù)據(jù)；公式(1)公式(2)其中，u表示兩個相鄰軸半徑的差值。綜上所述，本發(fā)明提出的基于狀態(tài)轉(zhuǎn)移的工程風險監(jiān)測系統(tǒng)及方法，借鑒空間重構(gòu)技術(shù)和可視化數(shù)據(jù)分析技術(shù)在表達復雜系統(tǒng)規(guī)律和特征的優(yōu)勢，從狀態(tài)變化的角度分析系統(tǒng)的異常變化，從而發(fā)現(xiàn)工程的潛在風險。該方法與一般地下工程風險監(jiān)測方法相比，不僅能夠針對性地解決地下工程災害的不確定性和突發(fā)性問題，而且以可視化的方式自動監(jiān)測工程風險，具有直觀性和智能性。并且本發(fā)明也隱含地給出了一種突發(fā)事件風險監(jiān)測的一般方法。這里本發(fā)明的描述和應(yīng)用是說明性的，并非想將本發(fā)明的范圍限制在上述實施例中。這里所披露的實施例的變形和改變是可能的，對于那些本領(lǐng)域的普通技術(shù)人員來說實施例的替換和等效的各種部件是公知的。本領(lǐng)域技術(shù)人員應(yīng)該清楚的是，在不脫離本發(fā)明的精神或本質(zhì)特征的情況下，本發(fā)明可以以其它形式、結(jié)構(gòu)、布置、比例，以及用其它組件、材料和部件來實現(xiàn)。在不脫離本發(fā)明范圍和精神的情況下，可以對這里所披露的實施例進行其它變形和改變。