1.一种基于马尔科夫链的非金属管道泄漏预警方法，其特征在于：包括以下步骤：步骤1：利用安装在管线上的任一流量传感器采集管道在不同时刻的瞬时流量，并通过采集的流量计算相邻采样时刻之间的流量变化率qi，qi＝ΔQi/Qi×100％

其中，ΔQi第i-1采样时刻与第i采样时刻之间的流量变化量，Qi为第i采样时刻的瞬时流量；

采集并计算多个流量变化率数据，并将计算得到的X个流量变化率作为第一组流量变化率；

步骤2：设置四个变化状态，第一状态：流量变化率qi的值为0，表示管道为非泄漏状态；

第二状态：流量变化率qi的值为0-1(％)，表示管道为小型泄漏状态；第三状态：流量变化率qi的值为1-3(％)，表示管道为泄漏扩大状态；第四状态：流量变化率qi的值为3-100(％)，表示管道为大泄漏状态；

设定条件：管道的泄漏为突变过程，泄漏状态的变化为渐变过程，管道的工作状态由于其他各类因素的影响可能会直接从运行状态变为泄漏状态中某一程度的泄漏，且管道的泄漏状态不可逆，但是泄漏程度可逆，根据以上条件，得到管道泄漏四个变化状态的邻接矩阵A为：其中，当Aij＝1表示第i状态与第j状态之间存在转移关系，当Aij＝0表示第i状态与第j状态之间不存在转移关系，(i＝1,2,3,4；j＝1,2,3,4)；

将步骤1中获得的第一组流量变化率按照上述四个变化状态进行分类，然后以时间为序，按时间顺序统计流量变化率的状态转移情况，并根据邻接矩阵A形成状态转移概率矩阵P中的各个元素：其中，pij为状态i转移到状态j的概率，(i＝1,2,3,4；j＝1,2,3,4)；

步骤3：按照步骤1的方法获取X个流量变化率作为第二组流量变化率，并按照步骤2的方法统计第二组流量变化率在每个变化状态内的数量，将此时实际流量变化率在每个变化状态的数量编为第一参数向量，设为 其中，α1表示第一参数向量， 表示在第一参数向量下，X个流量变化率中，在第一状态下的流量变化率的数量； 表示在第一参数向量下，X个流量变化率中，在第二状态下的流量变化率的数量； 表示在第一参数向量下，X个流量变化率中，在第三状态下的流量变化率的数量；

表示在第一参数向量下，X个流量变化率中，在第四状态下的流量变化率的数量；

由马尔科夫链计算得到进行预测的将来时间段的基于马尔可夫链的流量变化率的参数向量β1,其公式为：其中， 表示在预测得出的在第一状态下的流量变化率的数量， 表示在预测得出的在第二状态下的流量变化率的数量， 表示在预测得出的在第三状态下的流量变化率的数量， 表示在预测得出的在第四状态下的流量变化率的数量；在这X个流量参数中，以S表示为预测状态序列号，(S＝1，2，3，4)，选取含有流量参数呈现数量最多的状态，即选取 认作此时预测管道状态将呈现为第Smax状态；

步骤4：按照步骤1的方法获取X个流量变化率作为第三组流量变化率，并按照步骤2的方法统计第三组流量变化率在每个变化状态内的数量，记为第二参数向量其中， 表示在第二参数向量下，X个流量变化率中，在

第一状态下的流量变化率的数量； 表示在第二参数向量下，X个流量变化率中，在第二状态下的流量变化率的数量； 表示在第二参数向量下，X个流量变化率中，在第三状态下的流量变化率的数量； 表示在第二参数向量下，X个流量变化率中，在第四状态下的流量变化率的数量；在这X个流量参数中，以W表示为实际管道状态序列号(W＝1,2,3,4)，选取含有流量参数呈现数量最多的状态，即选取 认作管道实际处于第Wmax状态；

步骤5，比较预测状态 和实际状态 中状态序列号S和W的值：①若S＝W＝1，则判断管道处于正常运行状态；②若S＜W，则判断管道处于开始泄漏前期阶段，且判断其为第W状态；③若S＞W，则判断管道处于开始泄漏后期阶段，且判断其状态为第W状态；④若S＝W≠1，则判断其状态为泄漏稳定阶段，且判断其状态为第W状态；

步骤6，以步骤3所得数据为第一组数据，步骤4所得数据成为第二组数据，继续预测判定管道实时状态或泄漏情况，开始重新迭代数据；

步骤7，采用步骤1-步骤6进行泄漏状态的判定，当利用此方法检测到泄漏状态时，触发泄漏报警程序，泄漏报警程序触发次声波传感器，并开始接收泄漏点次声波信号，记录下接收到同源次声波信号的时间点；

然后根据定位泄漏点公式计算出泄漏位置：

其中，X为管道泄漏点到上游次声波传感器的距离，L为管道上游次声波传感器至管道下游次声波传感器之间的距离，T1为管道上游次声波传感器接收到同源次声波信号的时间点,T2为管道下游次声波传感器接收到同源次声波信号的时间点,C为次声波在非金属管道中的传播速度。

2.如权利要求1所述的基于马尔科夫链的非金属管道泄漏预警方法，其特征在于：步骤

2中状态转移概率矩阵P的计算过程如下：

步骤2.1，根据分类得到处于第一状态的流量变化率数量为n1，其中，由第一状态至第一状态转移的数量为n11，由第一状态至第二状态转移的数量为n12，由第一状态至第三状态转移的数量为n13，由第一状态至第四状态转移的数量为n14，统计这n1个流量变化率在下一时刻的状态转移情况：第一状态至第一状态的转移概率

第一状态至第二状态的转移概率

第一状态至第三状态的转移概率

第一状态至第四状态的转移概率

步骤2.2，根据分类得到处于第二状态的流量变化率数量为n2，其中，由第二状态至第二状态转移的数量为n22，由第二状态至第三状态转移的数量为n23，由第二状态至第四状态转移的数量为n24，统计这n2个流量变化率在下一时刻的状态转移情况：第二状态至第一状态的转移概率p21＝0；

第二状态至第二状态的转移概率

第二状态至第三状态的转移概率

第二状态至第四状态的转移概率

步骤2.3，根据分类得到处于第三状态的流量变化率数量为n3，其中，由第三状态至第二状态转移的数量为n32，由第三状态至第三状态转移的数量为n33，由第三状态至第四状态转移的数量为n34，统计这n3个流量变化率在下一时刻的状态转移情况：第三状态至第一状态的转移概率p31＝0；

第三状态至第二状态的转移概率

第三状态至第三状态的转移概率

第三状态至第四状态的转移概率

步骤2.4，根据分类得到处于第四状态的流量变化率数量为n4，其中，由第四状态至第二状态转移的数量为n42，由第四状态至第三状态转移的数量为n43，由第四状态至第四状态转移的数量为n44，统计这n4个流量变化率在下一时刻的状态转移情况：第四状态至第一状态的转移概率p41＝0；

第四状态至第二状态的转移概率

第四状态至第三状态的转移概率

第四状态至第四状态的转移概率

则该马尔科夫链中的状态转移概率矩阵P为：

且满足：n1+n2+n3+n4＝X。