1.一种机房设备的安全状况的判断方法，其特征在于，包括：S1，采集任一类型的机房设备的特征属性的值，所述特征属性包括运行时间与使用年限的比值、噪音大小、响应时间、故障次数、故障程度、工作温度和电池状态；S2，将所述特征属性的值输入该类型的机房设备对应的可靠性模型中，获知所述机房设备的安全状况为可靠或不可靠；S3，根据所述机房设备的安全状况为不可靠，将所述特征属性的值输入该类型的机房设备对应的不可靠模型中，获知所述机房设备的安全状况为老化或严重老化；其中，所述可靠性模型用于将机房设备在安全状况上分为可靠和不可靠两类，所述不可靠模型用于将不可靠的机房设备在安全状况上细分为老化和严重老化两类；步骤S3还包括：根据所述机房设备的安全状况为可靠，将所述特征属性的值输入该类型的机房设备对应的可靠模型中，获知所述机房设备的安全状况为崭新或稳定；其中，所述可靠模型用于将可靠的机房设备在安全状况上细分为崭新和稳定两类。
2.根据权利要求1所述的机房设备的安全状况的判断方法，其特征在于，所述可靠性模型具体通过以下步骤建立：从机房数据库中获取多组同一类型的机房设备的样本数据作为第一训练集，所述样本数据包括对应机房设备的设备编号、特征属性的值和第一安全状况，所述第一安全状况为崭新、稳定、老化和严重老化中的一种；将所述第一训练集中的样本数据代入到决策树算法中，建立相应的决策树模型作为所述可靠性模型。
3.根据权利要求2所述的机房设备的安全状况的判断方法，其特征在于，所述决策树模型具体通过以下步骤建立：计算第一训练集中每一特征属性基于上一父节点对样本数据进行划分的信息增益，比较所有信息增益的大小，选择最大的信息增益对应的特征属性作为上一父节点的子节点；根据子节点对应的特征属性的每一个值建立决策树模型中以所述子节点为父节点的分支，从所述第一训练集中剔除所述子节点对应的特征属性，返回上一步骤，直至所述第一训练集中所有的特征属性划分完毕，获取所述决策树模型。
4.根据权利要求2所述的机房设备的安全状况的判断方法，其特征在于，所述建立相应的决策树模型作为所述可靠性模型还包括：对所述决策树模型的所有非叶结点自底向上进行剪枝处理，将处理后的决策树模型作为所述可靠性模型。
5.根据权利要求2所述的机房设备的安全状况的判断方法，其特征在于，所述不可靠模型具体通过以下步骤建立：从机房数据库中获取多组同一类型的机房设备的样本数据为第二训练集，所述样本数据包括对应机房设备的设备编号、特征属性的值和第二安全状况，所述第二安全状况为老化和严重老化中的一种；将所述训练集中的样本数据代入到决策树算法中，建立相应的决策树模型作为所述不可靠模型。
6.根据权利要求2所述的机房设备的安全状况的判断方法，其特征在于，所述可靠模型具体通过以下步骤建立：从机房数据库中获取多组同一类型的机房设备的样本数据为第三训练集，所述样本数据包括对应机房设备的设备编号、特征属性的值和第三安全状况，所述第三安全状况为崭新和稳定中的一种；将所述训练集中的样本数据代入到决策树算法中，建立相应的决策树模型作为所述可靠模型。
7.根据权利要求1所述的机房设备的安全状况的判断方法，其特征在于，步骤S3还包括：根据所述机房设备的安全状况为老化或严重老化，分别对所述机房设备做出相应的预警。
8.一种机房设备的安全状况的判断系统，其特征在于，包括：特征采集模块，用于采集任一类型的机房设备的特征属性的值，所述特征属性包括运行时间与使用年限的比值、噪音大小、响应时间、故障次数、故障程度、工作温度和电池状态；第一判断模块，用于将所述特征属性的值输入该类型的机房设备对应的可靠性模型中，获知所述机房设备的安全状况为可靠或不可靠；第二判断模块，用于根据所述机房设备的安全状况为不可靠，将所述特征属性的值输入该类型的机房设备对应的不可靠模型中，获知所述机房设备的安全状况为老化或严重老化；其中，所述可靠性模型用于将机房设备在安全状况上分为可靠和不可靠两类，所述不可靠模型用于将不可靠的机房设备在安全状况上细分为老化和严重老化两类；第三判断模块，用于根据所述机房设备的安全状况为可靠，将所述特征属性的值输入该类型的机房设备对应的可靠模型中，获知所述机房设备的安全状况为崭新或稳定；其中，所述可靠模型用于将可靠的机房设备在安全状况上细分为崭新和稳定两类。
