1.一种基于近邻局部异常因子的乙烯裂解炉运行状态监测方法，其特征在于，具体包括以下所示步骤：

步骤(1)：获取乙烯裂解炉正常运行状态下的n个采样时刻的样本数据x1，x2，…，xn，并T

将其组成一个n×m维的数据矩阵X＝[x1，x2，…，xn] ；其中，第i个采样时刻的样本数据xi∈

33×1

R 中的33个测量数据具体包括6个炉管辐射室的进料压力，6个炉管的进料流量，6个炉管的稀释蒸汽流量，6个炉管的出料温度，6个炉管的交叉温度，1个乙烯裂解炉出料平均温度，

33×1

1个乙烯裂解炉的炉壁燃气流量，和1个乙烯裂解炉的底部燃气流量，i∈{1，2，…，n}，R表示33×1维的实数向量，R表示实数集，上标号T表示矩阵或向量的转置；

步骤(2)：根据公式 分别对数据矩阵X中的列向量z1，z2，…，z33实施标准化处理，从而得到标准化处理后的数据矩阵 其中，zk和 分别表示X和 中第k列的列向量，k∈{1，2，…，33}，μk和δk分别表示列向量zk中所有元素的平均值和标准差；

步骤(3)：按照如下所示步骤(3.1)至步骤(3.6)确定出近邻局部异常因子的正常上限值Qlim；

步骤(3.1)：初始化i＝1；

步骤(3.2)：设置 后，再将Xi中第i行的行向量删除，从而得到由n‑1行向量组成的(n‑1)×33 (n‑1)×33矩阵Xi∈R ；其中，R 表示(n‑1)×33维的实数矩阵；

步骤(3.3)：计算Xi中各行向量与行向量yi之间的距离，再将Xi中与yi之间距离最小的NN×33

行向量组成近邻参考矩阵 其中，R 表示N×33维的实数矩阵，yi表示 中第i行的行向量；

步骤(3.4)：求解广义特征值问题 中最大特征值λi对应的特征向量αi后，再根据公式 更新特征向量αi；

步骤(3.5)：根据公式 计算近邻局部异常因子Qi后，判断是否满足条件i＜n；若是，则设置i＝i+1后，再返回步骤(3.2)；若否，则得到Q1，Q2，…，Qn；

步骤(3.6)：将Q1，Q2，…，Qn中的最大值记录成近邻局部异常因子的正常上限值Qlim；

1×33

步骤(4)：在最新采样时刻t，采集乙烯裂解炉的样本数据xt∈R ，并根据公式对xt中各个元素实施标准化处理，得到标准化处理后的在线数据向量其中，xt(k)和 分别表示xt和 中的第k个元素；

步骤(5)：计算 中各行向量与在线数据向量 之间的距离，再将 中与 之间距离最小的N行向量组成近邻参考矩阵

步骤(6)：求解广义特征值问题 中最大特征值λt对应的特征向量pt后，再根据公式 更新特征向量pt；

步骤(7)：根据公式 计算最新采样时刻t的近邻局部异常因子Qt后，判断是否满足条件Qt≤Qlim；若是，则执行步骤(8)；若否，则执行步骤(10)；

步骤(8)：根据如下所示公式将 中后n‑1行的行向量y2，y3，…，yn与 合并成一个矩阵Y后，再执行步骤(9)；

上式中，y2，y3，…，yn分别表示 中第2行至第n行向量；

步骤(9)：根据公式 分别对矩阵Y1中的列向量 实施标准化处理，从而得到标准化处理后的矩阵 再根据公式 和 分别更新平均值μ1，μ2，…，μ33和标准差δ1，δ2，…，δ33后，设置 并返回步骤(4)继续实施最新采样时刻的乙烯裂解炉运行状态监测；其中，和ηk分别表示Y和 中第k列的列向量，和 分别表示列向量 中所有元素的平均值和标准差；

步骤(10)：返回步骤(4)继续实施最新采样时刻的乙烯裂解炉运行状态监测，直至得到连续6个最新采样时刻的近邻局部异常因子后，判断这6个近邻局部异常因子是否都大于Qlim；若是，则触发异常警报；若否，则乙烯裂解炉运行状态正常，并执行步骤(8)。