1.一种基于ANFIS的实验室危险化学品异常信息预警方法，其特征在于：包括以下步骤：S1：获取包含预计归还时间和预计使用剂量数据的实验室危险化学品调用记录；

S2：将所述实验室危险化学品调用记录中的预计归还时间和预计使用剂量数据输入剂量‑时序预警模型，得到预警概率P1；具体步骤如下：S21：输入实验室危险化学品调用记录中的预计归还时间T1和预计使用剂量M1；

S22：设定阈值T0和M0，对预计归还时间T1和预计使用剂量M1分别进行判断；

S23：根据预计归还时间T1与阈值T0的代数关系得到预警概率Pt；

当T1≤T0时，输出概率Pt＝0；

当T1＞T0且T1≤1.2倍T0时，输出概率Pt＝0.2；

当T1＞1.2倍T0且T1≤1.4倍T0时，输出概率Pt＝0.4；

当T1＞1.4倍T0且T1≤1.6倍T0时，输出概率Pt＝0.6；

当T1＞1.6倍T0且T1≤1.8倍T0时，输出概率Pt＝0.8；

当T1＞1.8倍T0时，输出概率Pt＝1.0；

根据预计使用剂量M1与阈值M0的代数关系得到预警概率Pm；

当M1≤M0时，输出概率Pm＝0；

当M1＞M0且M1≤1.2倍M0时，输出概率Pm＝0.2；

当M1＞1.2倍M0且M1≤1.4倍M0时，输出概率Pm＝0.4；

当M1＞1.4倍M0且M1≤1.6倍M0时，输出概率Pm＝0.6；

当M1＞1.6倍M0且M1≤1.8倍M0时，输出概率Pm＝0.8；

当M1＞1.8倍M0时，输出概率Pm＝1.0；

S24：将预警概率Pt和Pm做加权计算，得到剂量‑时序预警模型的概率P1；

S3：将所述实验室危险化学品调用记录中的预计归还时间和预计使用剂量数据输入ANFIS预警模型，得到预警概率P2；所述ANFIS预警模型采用五层模糊神经网络结构，分别为模糊化层、规则层、归一化层、去模糊层、输出层；

所述模糊化层所有节点是自适应的，用于将所有输入的数据按照隶属度函数进行模糊化，采用的隶属度函数为三角形隶属度函数，公式如下：其中{a,b,c}是前提参数集，其值在训练阶段不断更新，参数a和c确定三角形的“脚”，而参数b确定三角形的“峰”；

所述模糊化层的输出函数表达式为：

OB,j＝μBj(x2)，j＝1,2,3OA,i、OB,j分别是数据x1，x2在模糊化层的输出，其中 和 分别是数据x1，x2的隶属度函数；

所述规则层的输出将所有输入数据进行相乘，计算各规则的激励强度wk，其表达式为：wk＝μA,i(x1)μB,j(x2)，i＝1,2,3,j＝1,2,3所述归一化层将规则层的激励强度归一化，其计算公式为：所述去模糊层用于计算每一个节点的权重值，计算公式为：其中，pk、qk和kk为节点的后件参数；

所述输出层对去模糊层的输出进行合并，作为总输出，其计算公式为：输出的y值即为ANFIS预警模型的预警概率P2；

S4：将预警概率P1和P2做加权计算，得到最终的预警概率P；

S5：判断预警概率P是否超出预警阈值，若未超出则不预警，若超出则对管理员发送预警警告。

2.根据权利要求1所述的基于ANFIS的实验室危险化学品异常信息预警方法，其特征在于：步骤S1中所述实验室危险化学品调用记录从实验室信息管理系统中获取。

3.根据权利要求1所述的基于ANFIS的实验室危险化学品异常信息预警方法，其特征在于：步骤S24中所述加权计算公式为：P1＝λ1Pt+(1‑λ1)Pm

λ1为范围为0‑1的权重值。

4.根据权利要求1所述的基于ANFIS的实验室危险化学品异常信息预警方法，其特征在于：在执行步骤S3前，还包括：获取包含预计归还时间和预计使用剂量数据的实验室危险化学品调用记录用于ANFIS网络的训练；

根据所述用于训练的实验室危险化学品调用记录对ANFIS网络进行训练，获得待测试的ANFIS预警模型；

获取包含预计归还时间和预计使用剂量数据的实验室危险化学品调用记录用于ANFIS网络的测试，并获得ANFIS网络对实验室危险化学品异常信息预警的测试结果；

读取所述ANFIS预警模型对所述数据的预警结果，对比训练数据，得出ANFIS预警模型预警的准确率，并将该ANFIS网络作为最终的ANFIS预警模型。

5.根据权利要求1所述的基于ANFIS的实验室危险化学品异常信息预警方法，其特征在于：步骤S4中所述加权计算公式为：P＝λP1+(1‑λ)P2

λ为取值范围0‑1的权重值。