1.一种基于高斯过程回归的烧结过程运行性能预测的方法，其特征在于：包括以下步骤：S1：以田口过程能力指数作为烧结过程运行性能的评价指标，利用互信息分析方法得到与运行性能具有较强相互依赖关系的检测参数；

步骤S1中具体包括以下过程：

(1‑1)以烧结终点为田口过程能力指数的决策参数，计算烧结过程运行性能：其中，LU和LL是烧结终点的规格上限和下限，T是期望的烧结终点平均值，是烧结终点时间序列的估计平均值，是烧结终点时间序列的标准差；

(1‑2)依次计算所有烧结过程中的参数与运行性能之间的互信息；设运行性能的时间序列为Cpm＝{c1,c2,...,cm}，某一参数的时间序列为D＝{d1,d2,...,dm}，其中m是时间序列的长度，那么它们之间的互信息表示为：其中，p(d,c)是D和Cpm的联合概率密度函数，而p(d)和p(c)分别是D和Cpm的边缘概率密度函数；预设一个互信息阈值tI，当I(D,Cpm)≥tI时，这一参数即为与运行性能具有较强相互依赖关系的检测参数，共得到k个检测参数，k为大于0的正整数；

S2：利用高斯过程回归方法构建运行性能预测模型，该运行性能预测模型的输入为所述检测参数，输出为运行性能；

步骤S2中具体包括以下过程：

得到的烧结过程检测参数有k个，k为大于0的正整数，被选中的运行性能预测模型的输入数据为P＝{P1,P2,...,Pm}，Pi＝{p1,p2,...,pk}，i＝1,2,...m；对应的运行性能是Cpm＝{c1,c2,...,cm}，那么运行性能预测模型为：其中ε表示噪声，它服从高斯分布 σ是噪声的标准差；f(·)表示高斯过程，那么得到Cpm的先验分布为：2

Cpm～N(μ(P),κ(P,P)+σIm)

其中Im是m阶单位矩阵；这里μ(P)表示均值函数，得到各个维度的均值；κ(P,P)为核函数，核函数为：其中σ和l是高斯核的超参数；

S3：将获取的实际烧结过程中的检测数据输入至所述运行性能预测模型，得到当前烧结过程的运行性能；

步骤S3中具体包括以下过程：

设待预测的烧结过程时间序列数据样本P’的运行性能为 与Cpm服从联合高斯分布，即，根据多维高斯分布的条件分布公式， 后验分布为：其中，

然后，以条件分布的平均值作为预测值，得到烧结过程运行性能预测模型的输出