1.一种脱丁烷塔底部产品丁烷含量的在线软测量方法，其特征在于，包括以下步骤：首先，离线软测量建模阶段包括如下所示步骤(1)至步骤(5)；步骤(1)：利用脱丁烷塔设备中安装的7个测量仪表实时测量数据，直至采集得到N个样本数据，分别记录成7个列向量x1，x2，…，x7，并利用离线分析仪获取相同测量时刻塔底部产品丁烷含量的N个数据，对应记录成列向量y，其中xi由第i个过程变量的N个样本数据组成，i∈{1，2，…，7}分别对应于塔顶部温度，塔顶部压力，回流流量，底部产品出口流量，第6层塔板温度，塔底部温度A和塔底部温度B，其中A和B分别表示两个不同的温度测量位置；步骤(2)：根据如下所示公式对x1，x2，…，x7和y分别实施归一化处理，对应得到7个数据向量和1 个输出向量并将数据向量组建成一个过程矩阵其中，RN×7表示N×7维的实数矩阵，表示归一化处理后的第i个数据向量，xi(min)表示列向量xi中的最小值，xi(max)表示列向量xi中的最大值，y(min)与y(max)分别表示列向量y中的最小值和最大值，下标号i∈{1，2，…，7}；步骤(3)：根据如下所示公式组建输入矩阵Z中的第k列输入向量zk∈R21×1：zk＝[X(k+2)，X(k+1)，X(k)]T     ②其中，X(k+2)，X(k+1)，X(k)分别表示过程矩阵X中的第k+2行，k+1行，和第k行的行向量，k∈{1，2，…，n}，R21×1表示21×1维的实数向量，n＝N-2，上标号T表示矩阵或向量的转置；步骤(4)：搭建一个由M级Elman神经网络串联组成的深度Elman神经网络模型，并确定中间层神经元的传递函数f(u)，输出层神经元的传递函数ζ(u)，以及各级Elman神经网络的中间层神经元个数h1，h2，…，hM；其中u表示函数自变量；步骤(5)：利用BP算法依次训练第1级Elman神经网络，第2级Elman神经网络，至第M级Elman神经网络，并保留各级Elman神经网络的中间层神经元的权重系数W1，W2，…，WM和中间层神经元的阈值b1，b2，…，bM，各级Elman神经网络的承接层到中间层的连接权值V1，V2，…，VM和阈值a1，a2，…，aM，第M级Elman神经网络的输出层神经元的权重系数和阈值具体

的实施过程如步骤(5.1)至步骤(5.6)所示；步骤(5.1)：第1级Elman神经网络的输入层有21个神经元，中间层有h1个神经元，输出层有1个神经元，初始化中间层神经元和输出层神经元的权重系数和阈值，并同时初始化承接层到中间层的连接权值与阈值；步骤(5.2)：以z1，z2，…，zn做为第1级Elman神经网络的输入，同时以做为第1级Elman神经网络的输出，利用BP算法训练得到第1级Elman神经网络的中间层神经

元的权重系数和阈值承接层到中间层的连接权值和阈值

承接层到中间层的连接权值与阈值；步骤(5.4)：将第m级Elman神经网络中间层神经元的输出向量g1(m)，g2(m)，…，gn(m)做为第m+1级Elman神经网络的输入，同时以做为第m+1级Elman神经网络的

输出，其中g1(m)，g2(m)，…，gn(m)的计算方式如下所示：上式中，k∈{1，2，…，n}，当k＝1时，表示零向量，表示hm×1维的实数向量；步骤(5 .5)：利用BP算法训练得到第m+1级Elman神经网络中间层神经元的权重系数