1.基于幅值变化趋势概率推断的报警状态预测方法，其特征在于，包括如下步骤：

获取工业监测变量的历史数据和当前数据；

采用分段线性表示方法，提取工业监测变量在历史数据和当前数据中的幅值上升趋势数据段；

以工业监测变量在历史数据和当前数据中的幅值上升趋势数据段为基础，分别得到对应的幅值初始值和幅值变化量；

以历史数据中幅值上升趋势数据段的幅值初始值集合与幅值变化量集合为基础，分别确定小于当前数据中幅值上升趋势数据段的幅值初始值和幅值变化量的元素数量；基于该元素数量，利用贝叶斯估计法，估计得到当前数据中的幅值上升趋势数据段的幅值初始值和幅值变化量分别触发报警状态的后验概率及其置信区间；

基于该后验概率及其置信区间，采用Dempster‑Shafer证据理论，融合当前数据的幅值上升趋势数据段中幅值初始值和幅值变化量未来处于报警状态、非报警状态和未知状态的概率，经换算得到当前数据的幅值上升趋势的数据段触发报警状态的预测概率及其置信区间。

2.根据权利要求1所述的基于幅值变化趋势概率推断的报警状态预测方法，其特征在于，采用自底向上的分段线性表示方法，提取工业监测变量在历史数据和当前数据中的幅值上升趋势数据段，具体是将工业监测变量在历史数据和当前数据中的幅值上升趋势数据段划分为若干个子数据段，各个子数据段均用直线段进行近似。

3.根据权利要求1所述的基于幅值变化趋势概率推断的报警状态预测方法，其特征在于，所述幅值上升趋势数据段的幅值初始值是分段线性表示结果的第一个样本点幅值，幅值上升趋势数据段的幅值变化量是分段线性表示结果的最后一个样本点幅值与第一个样本点幅值之间的差值。

4.根据权利要求1所述的基于幅值变化趋势概率推断的报警状态预测方法，其特征在于，当前数据中幅值上升趋势数据段到达报警状态的置信区间上下限，由当前数据段到达报警状态和非报警状态的预测概率换算得到。

5.基于幅值变化趋势概率推断的报警状态预测系统，其特征在于，包括：

数据获取模块，用于获取工业监测变量的历史数据和当前数据；

数据段提取模块，用于采用分段线性表示方法，提取工业监测变量在历史数据和当前数据中的幅值上升趋势数据段；

报警状态估计模块，用于以工业监测变量在历史数据和当前数据中的幅值上升趋势数据段为基础，分别得到对应的幅值初始值和幅值变化量；

以历史数据中幅值上升趋势数据段的幅值初始值集合与幅值变化量集合为基础，分别确定小于当前数据中幅值上升趋势数据段的幅值初始值和幅值变化量的元素数量；基于该元素数量，利用贝叶斯估计法，估计得到当前数据中的幅值上升趋势数据段的幅值初始值和幅值变化量分别触发报警状态的后验概率及其置信区间；

幅值变化趋势概率推断模块，用于基于该后验概率及其置信区间，采用Dempster‑Shafer证据理论，融合当前数据的幅值上升趋势的数据段中幅值初始值和幅值变化量未来处于报警状态、非报警状态和未知状态的概率，经换算得到当前数据的幅值上升趋势的数据段触发报警状态的预测概率及其置信区间。

6.根据权利要求5所述的基于幅值变化趋势概率推断的报警状态预测系统，其特征在于，数据段提取模块中，采用自底向上的分段线性表示方法，提取工业监测变量在历史数据和当前数据中的幅值上升趋势数据段，具体是将工业监测变量在历史数据和当前数据中的幅值上升趋势数据段划分为若干个子数据段，各个子数据段均用直线段进行近似。

7.根据权利要求5所述的基于幅值变化趋势概率推断的报警状态预测系统，其特征在于，报警状态估计模块中，所述幅值上升趋势数据段的幅值初始值是分段线性表示结果的第一个样本点幅值，幅值上升趋势数据段的幅值变化量是分段线性表示结果的最后一个样本点幅值与第一个样本点幅值之间的差值。

8.根据权利要求5所述的基于幅值变化趋势概率推断的报警状态预测系统，其特征在于，幅值变化趋势概率推断模块中，当前数据中幅值上升趋势数据段到达报警状态的置信区间上下限，由当前数据段到达报警状态和非报警状态的预测概率换算得到。