1.一种基于事件同步和网络建模的识别系统拥塞风险的方法，其特征在于，包括如下步骤：

1)根据过峰值阈值法，将时间序列中大于阈值的值定义为事件，记录事件发生的时间，从不同地理位置处产生的时间序列中提取事件序列，即：从地理位置l处的初始时间序列Yi(l)＝{yl},(i＝1,···,nl)中基于过峰值阈值法提取出事件序列：i

其中，tl 表示地理位置l处第i个事件发生的时间，Nl表示地理位置l处事件发生的总数；

ij

2)根据动态延迟τlm 和最大延迟τmax判断两个地理位置处的事件是否同步发生，如果lij处的事件i和m处的事件j发生在动态延迟τlm 内，且事件发生时间间隔小于最大延迟τmax，ij那么事件i和事件j视为同步发生，假设l处的事件i和m处的事件j发生的时间间隔为dlm ：ij ij ij ij

如果dlm 满足：0≤|dlm |＜τlm 且0≤|dlm |＜τmax，则认为l处的事件i和m处的事件j同步发生；

3)将互不相同的地理位置视为复杂网络中的节点，不同地理位置间有事件同步发生则对应的节点之间存在连边，同步发生的事件的数量作为该连边的权重，如此，将时空序列映射为以事件发生的地理位置为基元的无向加权网络，无向加权网络的邻接矩阵A是对称矩阵，A中的元素alm＝0表示两节点之间不存在连边，alm≠0表示两节点之间存在连边，元素alm的数值表示连边的权重；

4)计算无向加权网络的拓扑特征，包括网络边权分布p(w)、网络累积度分布P(k)、网络累积强度分布P(s)和节点集聚系数ci，上式中，Ew表示网络中权重为w的边的数量，E表示网络中边的总数，上式中，nx表示度为x的节点的数量，n表示网络的节点总数，k表示节点的度，上式中，qj表示强度为j的节点的数量，n表示网络的节点总数，s表示节点的强度，上式中，Ei表示网络中节点i的邻居节点之间实际存在的边的数量，ki表示节点i的度；

5)识别系统拥塞风险，定义节点的拥塞系数为：

w

上式中，di 为节点i的平均强度，即与节点i相连的所有连边的权重之和除以这些边的数量，ci为节点i的集聚系数，对网络中的每个节点计算其拥塞系数，用于识别系统发生拥塞的风险；

6)借助MATLAB软件实现网络及拓扑特征和拥塞系数在地理位置上的可视化。

2.根据权利要求1所述的基于事件同步和网络建模的识别系统拥塞风险的方法，其特ij征在于，步骤2)中由于事件发生的时间间隔是变化的，动态延迟τlm 定义为i i‑1 i+1 i其中，tl‑tl 和tl ‑tl分别是位置l处的事件i与前一个事件i‑1和后一个事件i+1发生的时间间隔， 和 分别是位置m处的事件j与前一个事件j‑1和后一个事ij件j+1发生的时间间隔，τlm 是前后事件之间最短时间间隔的1/2，如果位置l处的两个事件发生时间接近位置m处的同一事件，则使用1/2因子避免重复计算，为排除不合理的长动态延迟，根据实际情况确定最大延迟τmax。

3.根据权利要求1所述的基于事件同步和网络建模的识别系统拥塞风险的方法，其特lm征在于，步骤3)中计算任意两个地理位置处同步发生事件的数量，定义系数g ij计算位置l处的事件i(i＝1,···,Nl)与位置m处的事件j(j＝1,···,Nm)的系数lm lm lm lmg ij，得到位置l与位置m的系数矩阵G ，矩阵G 中的元素g ij取值有0、0.5和1三种情况，表示位置l和位置m处同步事件的状态，所有同步事件中，m处事件发生在l处事件之后的同步事件个数ESlm由下面公式计算得出：其中，Nl和Nm分别为位置l和位置m处的事件总数，得到l处事件发生在m处事件之后的同步事件个数ESml，无向加权网络的邻接矩阵A中的元素alm由如下公式得到：alm＝ESlm+ESml(11)。