1.一种基于大数据技术的金融终端故障预判警示方法，其中，所述方法应用于一种故障分析预判警示系统，其特征在于：所述方法包括以下步骤，A01：获得设备障碍因子类别I，所述设备障碍因子类别I为第一银行的金融设备ATM障碍汇总的障碍类别，通过所述设备障碍因子类别I获得金融设备ATM机I的运行数据I，所述运行数据I为通过以前存储信息或可能存在的风险确认当出现设备障碍因子类别I风险时，将金融设备ATM机I发生的变动数据进行集合得到的数据；

A02：采用所述运行数据I和金融设备ATM机I的习惯操作参数获得金融设备ATM I的运行数据无效参数I，根据所述运行数据无效参数I获得障碍信息链I，所述运行数据无效参数I为采用运行数据I和所述金融设备ATM机I的习惯操作参数确定无效参数，其确定的方式为：比对运行数据I和金融设备ATM机I正常运行的各项工作参数，从而分析出运行数据无效参数I，还包括运行过程中由于参数变化带来的无效数据；对比所述金融设备ATM机I的习惯操作参数下得到数据和规定数据下的偏差，确定操作习惯带来的无效数据，将两项无效信息或无效数据结合得到所述障碍信息链I；所述步骤A02中，还包括：A021：采用所述运行数据I获得金融设备ATM机I的习惯操作参数汇总，对所述习惯操作参数汇总进行去中心化操作，获得操作数据I；

A022：获得运行使用者I，所述运行使用者I为所述金融设备ATM机I发生所述设备障碍因子类别I故障时的使用者，根据所述运行使用者I对所述操作数据I进行习惯操作的过滤，获得过滤数据I；

A023：根据所述过滤数据I获得所述金融设备ATM机I的习惯操作参数；金融设备ATM机I的习惯操作汇总为基于运行数据I获得的参数整体调控信息和所述调控值记录数据的汇总，所述参数整体调控信息和所述调控值记录数据的汇总为金融设备ATM机I产生的设备障碍因子类别I时，运行产生的数据，其中，所述去中心化操作是指在数据汇总中任意一个节点都有可能性存在阶段性的中心，但不具备强制性的中心控制作用，节点与节点之间的相互作用，会通过网络而形成非线性因果联系，所述操作数据I具体为将金融设备ATM机I的习惯操作数据汇总进行去中心化处理，将非线性关系的所述习惯操作处理得到相互作用的关系面；

所述运行使用者I为所述金融设备ATM机I出现所述设备障碍因子类别I时的操作者，所述过滤数据I为比对所述运行使用者I的习惯操作，将所述运行使用者I未产生的操作数据I中的习惯操作进行去除，得到所述的习惯操作参数，采用与金融设备ATM机I的习惯操作参数相同的方法来获得金融设备ATM机II的习惯操作参数一直到金融设备ATM机I的习惯操作参数；

A03：通过所述设备障碍因子类别I获得金融设备ATM机N的运行数据N，通过所述运行数据N和金融设备N的习惯操作参数获得运行数据无效参数N，根据所述运行数据无效参数N获得障碍信息链N，将所述障碍信息链I至到所述障碍信息链N进行集中分析，获得第一分析数据，第一分析数据为对所述障碍信息链I、所述障碍信息链II、所述障碍信息链III直到所述障碍信息链N进行集中分析，将原本处于分散状态的各种不正常数据信息按照数据相溶性聚集为多个类型的所有ATM设备的设备障碍因子类别I的数据汇总；

A04：根据所述第一分析数据对所述设备障碍因子类别I进行预判警示；所述步骤A04中还包括以下步骤：

A041：根据所述第一分析数据，设置所述设备障碍因子类别I的关键障碍汇总，根据所述障碍信息链I至所述障碍信息链N，设置辅助特征汇总；

A042：根据所述障碍信息链I直至障碍信息链N中每个辅助障碍特征的频率对所述辅助特战汇总进行特征贡献度分派，获得分派数据I；

A043：根据所述关键障碍汇总、所述辅助特征汇总和所述分派数据I设置所述设备障碍因子类别I的障碍技术因子适合原型，根据所述障碍技术因子适合原型对所述设备障碍因子类别I进行分辨和预判警示；所述设备障碍因子类别I的关键障碍汇总是按照具有代表性的分析结果获得的分析中主要特征的汇总，所述设备障碍因子类别I的辅助特征汇总为从障碍信息链I直到障碍信息链N得到的与关键障碍汇总不同的的其他障碍数据的集合，所述分配数据I为依照所述设备障碍因子类别I的辅助特征汇总在以前数据汇总出现的次数为所述辅助特征汇总进行标记并分配得到的数据，主要作用为用来表示辅助特征出现的次数以及出现的周期。

2.根据权利要求1所述的一种基于大数据技术的金融终端故障预判警示方法，其特征在于：所述预判警示方法还包括：

A05：获得设备障碍因子类别II的第二分析数据，所述设备障碍因子类别I和所述设备障碍因子类别II不同，所述第二分析数据和所述第一分析数据具有雷同参数I，对所述第一分析数据和所述第二分析数据结果中具有雷同参数I的数据信息进行分析，获得相近数据特征I；

A06：将所述第一分析数据和所述第二分析数据中不具有雷同参数I的数据信息进行分析，获得不同数据特征I，根据所述相近数据特征I和不同数据特征I对所述第一分析数据和所述第二分析数据进行标记，获得标记特征I，通过所述标记特征I对所述设备障碍因子类别I和所述设备障碍因子类别II进行分辨。

3.根据权利要求2所述的一种基于大数据技术的金融终端故障预判警示方法，其特征在于：所述预判警示方法还包括以下步骤：A07：通过所述图像获取设备获得设备障碍因子类别I的图像汇总I，所述图像汇总I为所述金融设备ATM机I在出现所述设备障碍因子类别I前设备运行时图像汇总；

A08：对所述图像汇总I设置基于ATM设备运行时的时间点标注，将标注后的所述图像汇总I根据时间秩序进行关键技术点比对，获得比对分析I；

A09：将所述对比分析I作为所述设备障碍因子类别I分辨的预判警示信息点；

所述预判警示方法中步骤A08还包括以下步骤：

A081：根据所述对比分析I获得对比特征I变更规则；将标注后的所述图像汇总I根据时间秩序排列，获得图像汇总II，根据所述图像汇总II进行关键信息点比对，根据所述图像汇总II获得关键信息点变更参数I；

A082：将所述对比特征I变更规则和所述关键信息点变更参数I设置为设备障碍因子类别I的预判警示信息点；

所述预判警示方法还包括以下步骤：

A10：根据所述第一分析数据对获得的金融设备ATM机W信息进行筛选，获得适配数据I；

A11：根据所述第一分析数据对应的所述设备障碍因子类别I获得预判警示提示装置I；

A12：根据所述适配数据I获得预判警示提示装置II，根据所述预判警示提示装置I和所述预判警示提示装置II获得预判警示提示组合装置，所述预判警示提示组合装置对所述金融设备ATM机W的运行情况进行预判警示；

所述步骤A11中，所述预判警示提示装置I为提示灯、报警器、信息和图像提示中任意一种；

所述步骤A082中所述设备障碍因子类别I的预判警示信息点包括以下步骤：

A083：确认预判警示信息点的条数是否大于1，在所述预判警示信息点的条数大于1时，按照障碍重要程度或时间顺序显示所述预判警示信息点，所述预判警示信息点包括：ATM机终端号、银行、分行、网点、获取时间、运行状态和停机时长中的至少一种；

所述对比特征I变更规则为通过所述图像获取装置采集ATM机运行的图像与对比分析I进行分析得到特征数据差别变化数据，所述差别方式包括完全偏离，有规律偏离，无规律偏离等；关键信息点变更参数I为在确认ATM机图像中相关数据发生偏离后，根据图像汇总II和所述图像获取装置获取的图像进行比对时确定相对准确的偏离量，比如正向偏离、负向偏离，是否超过预定阈值；将对比特征I变更规则和对应所述的关键信息点变更参数I对应保存并输出作为设备障碍因子类别I识别的预判警示信息点；如无规律偏离，具体可为逐渐增大偏离及对应的偏离数据，按照组件增大偏离及对应的偏离数据对金融设备ATM机I进行调整；

根据所述金融设备ATM机W信息为表征出现设备障碍因子类别I时的不正常信息，所述适配数据I为将第一分析数据和融设备ATM机W信息进行比对，依据出现所述设备障碍因子类别I时各种不正常数据相近度确定数据，相近度越高，则适配度越高；所述预判警示提示装置I和所述设备障碍因子类别I相适配的预判警示设备，所述金融设备ATM机W获取出现所述设备障碍因子类别I中对应的各种不正常信息变化，则预判警示提示装置I进行提示，然后确认金融设备ATM机W中扫描到的所有不正常信息变化数据占第一分析数据中的相同程度，获得适配数据I，则预判警示提示装置II进行提示，预判警示提示装置I和预判警示提示装置II组合获得预判警示提示组合装置对所述金融设备ATM机W信息进行预判警示；采用对出现与设备障碍因子类别I不同于金融设备ATM机I的其他ATM机进行不正常数据适配，然后在所述设备障碍因子类别I设置提示预判警示的基础上，再进行适配设置信号提示装置进行预判警示。

4.一种基于大数据技术的金融终端故障预判警示系统，其特征在于，将所述权利要求

1‑3中任一项所述的一种基于大数据技术的金融终端故障预判警示方法应用到预判警示系统中。