1.一种基于物联网的化工物料仓储管理系统，其特征在于，包括数据收集模块（100）、环境分析模块（200）和物料分析模块（300），其中：所述数据收集模块（100）收集物料库存数据和历史仓库环境数据，以及实时仓库环境数据；

所述环境分析模块（200）利用决策树算法，根据所述历史仓库环境数据进行决策树模型的建立，选择信息增益最大的特征进行分裂，构建决策树模型，具体包括：设定历史仓库环境数据为 ，其中 为第 条记录的特

征向量， 为对应的环境状态，其中每条特征向量 包含若干特征；

在每个节点选择最佳分裂特征，计算信息增益 ，其中当前节点包含的数据集为 ，则某特征 的信息增益 计算公式如下：，其中 是数据集 的熵； 是特征

的所有取值集合； 是按特征 的取值 划分的子集； 是子集 的样本数量； 是数据集 的总样本数量； 是子集 的熵；其中：熵的计算通过统计数据集中每个类别的样本数量，并除以数据集的总样本数量，得到每个类别的概率，将每个类别概率的负对数乘以该概率，然后求和得到熵；

决策树模型的训练从根节点开始，选择信息增益最大的特征进行分裂，递归构建子节点，直到满足停止条件；

所述环境分析模块（200）利用构建完成的决策树模型对所述实时仓库环境数据进行环境状态的分析；其中：若环境分析结果为异常，则根据决策树模型中的异常特征计算信息增益之和，作为重要性评分，选择重要性评分最高的特征，作为异常环境数据特征发送给物料分析模块（300）；

所述物料分析模块（300）将计算所述异常环境数据特征与不同的物料库存数据特征的皮尔逊相关系数，根据计算的皮尔逊相关系数，对异常环境数据特征和不同的物料库存数据特征之间的相关性进行排序，并按照皮尔逊相关系数从大到小的顺序，依次选择异常环境数据特征对应的物料库存数据特征，并对该物料库存数据特征对应的库存量进行调整，具体的：所述物料分析模块（300）包括相关性分析单元（301），所述相关性分析单元（301）将计算异常环境数据特征与不同的物料库存数据特征的皮尔逊相关系数，皮尔逊相关系数的计算公式如下：，其中 是皮尔逊相关系数，取值范围为[‑1,1]； 和

分别是异常环境数据特征与物料库存数据特征的数据值； 和 分别是异常环境数据特征和物料库存所对应的均值； 是样本数量；

所述物料分析模块（300）包括调整量计算单元（302），所述调整量计算单元（302）根据计算的皮尔逊相关系数，对异常环境数据特征和不同的物料库存数据特征之间的相关性进行排序，并按照皮尔逊相关系数从大到小的顺序，依次选择异常环境数据特征对应的物料库存数据特征，对该物料库存进行调整，根据皮尔逊相关系数的绝对值来确定调整量，调整量 的计算公式如下：，其中 为设定的基础调整量, 为皮尔逊相关系数的绝对值；

调整之后，所述数据收集模块（100）重新收集实时仓库环境数据，以及环境分析模块（200）对重新收集的实时仓库环境数据进行环境分析，直到环境分析结果正常或者所有异常环境数据特征对应的物料库存数据特征选择完毕；

所述环境分析模块（200）包括预测单元（202），所述预测单元（202）将实时仓库环境数据输入到训练好的决策树模型中，具体包括：将实时仓库环境数据输入到训练好的决策树模型中；

从根节点开始，根据数据特征值的取值，根据判定条件选择相应的决策路径，并记录决策路径上涉及的数据特征；

沿着决策路径，进入下一节点后，继续根据当前节点的判定条件和数据特征值的取值，选择相应的决策路径进入下一个节点；

从根节点到叶节点，根据数据特征值的取值一直进行决策路径的选择，直到达到叶节点，叶节点对应环境状态，表示实时仓库环境数据所对应的环境状态；

所述环境分析模块（200）包括异常数据单元（203），所述异常数据单元（203）接收环境状态为异常时所记录的数据特征，即异常特征，并计算异常特征在所有节点上的信息增益之和，作为重要性评分，公式如下：特征 的重要性评分 表示为 ，其中 是特征 出

现的所有节点集合， 是特征 在节点 处的信息增益；

所述异常数据单元（203）计算所有异常特征所对应的重要性评分后，选择重要性评分最大的特征作为对环境异常影响最大的特征，作为异常环境数据特征。

2.根据权利要求1所述的基于物联网的化工物料仓储管理系统，其特征在于，所述数据收集模块（100）与库存管理系统建立连接，用于收集物料库存数据，表示当前仓库中的各个物料库存量；以及从历史数据库中提取过去的仓库环境数据，包括但不限于温度、湿度和气体浓度；以及在仓库的各个关键位置部署多种传感器，收集实时仓库环境数据。