1.一种高纯度2,6‑二甲酚近红外光谱在线检测方法，其特征在于：包括以下步骤：S1、在线收集脱苯酚塔底部、邻苯酚粗品塔和2,6‑二甲酚产品塔的近红外光谱数据，通过气相色谱法获得近红外光谱数据对应的物性浓度值，即2,6‑二甲酚纯度；

S2、剔除近红外光谱首尾噪声较大且无关的波段，消除仪器背景和漂移对测量光谱的影响，对数据进行清洗；

S3、设置脱苯酚塔和邻甲酚粗品塔样本集Ta的初始权重、设置2,6‑二甲酚产品塔样本集Tb的初始权重、设置样品集Ta的权重更新系数，对初始权重进行迭代，通过归一化计算得到第t次迭代的样本集Ta和样品集Tb的权重分布；

S4、根据样本集Ta、样本集Tb和第t次迭代的样本集Ta和样品集Tb的权重分布，建立第t次迭代的2,6‑二甲酚纯度回归模型ft(x)；

S5、计算回归模型fi(x)在样本集Ta和Tb上的误差，计算样本集Tb上的平均建模误差；

S6、设置样品集Tb的权重更新系数，对样本集Ta和样本集Tb的初始权重进行更新，输出最终的2,6‑二甲酚产品塔的2,6‑二甲酚纯度回归模型fN(x)。

2.根据权利要求1所述的高纯度2,6‑二甲酚近红外光谱在线检测方法，其特征在于：步骤S1中，在线收集近红外光谱样品时，以空气作为背景扫描光谱，选用透射式探头，光程为‑1

1mm，扫描次数为16次，扫描光谱范围为12500～4000cm 。

3.根据权利要求1所述的高纯度2,6‑二甲酚近红外光谱在线检测方法，其特征在于：步骤S1中，将脱苯酚塔和邻甲酚粗品塔的样本集设为Ta＝(xi,yi),i＝1,2,…,n其中：xi为脱苯酚塔和邻甲酚粗品塔的光谱，yi为脱苯酚塔和邻甲酚粗品塔的2,6‑二甲酚纯度，n为脱苯酚塔和邻甲酚粗品塔所采集样本的个数；

将2,6‑二甲酚产品塔的样本集设为Tb＝(xj,yj),j＝n+1,…,n+m其中xj为2,6‑二甲酚产品塔的光谱，yj为2,6‑二甲酚产品塔的纯度，m为2,6‑二甲酚产品塔所采集样本的个数；

x＝xi∪xj为所有光谱的集合，y＝yi∪yj为所有2,6‑二甲酚纯度的集合，合并的总样本集T＝Ta∪Tb。

4.根据权利要求1所述的高纯度2,6‑二甲酚近红外光谱在线检测方法，其特征在于：步骤S2中，所述数据清洗工作包括异常或损坏数据的剔除、数据缺失值处理、数据标准化、数据特征选择、数据特征组合。

5.根据权利要求1所述的高纯度2,6‑二甲酚近红外光谱在线检测方法，其特征在于：步骤S3中，

脱苯酚塔和邻甲酚粗品塔样本集Ta的初始权重为：

2,6‑二甲酚产品塔样本集Tb的初始权重为：其中λ1和λ2是比例系数；

样本集Ta的权重更新系数为：

其中N为迭代次数；

迭代后的权重分布为

其中wit是样本集Ta第t次迭代的权重，t＝1,2,…,N。

6.根据权利要求5所述的高纯度2,6‑二甲酚近红外光谱在线检测方法，其特征在于：所述步骤S3中迭代次数N、比例系数λ1和λ2等参数的选取，能够通过优化算法进行求解，包括罚函数类的内点法、罚函数类的外点法、拉格朗日乘子法、二次规划法、可行方向法、广义简约梯度法或遗传算法等智能寻优算法。

7.根据权利要求1所述的高纯度2,6‑二甲酚近红外光谱在线检测方法，其特征在于：步骤S4中，所述2,6‑二甲酚纯度回归模型fi(x)包括线性回归模型、逻辑回归模型、多项式回归模型、逐步回归模型、岭回归模型、贝叶斯回归模型、支持向量机模型、神经网络模型。

8.根据权利要求1所述的高纯度2,6‑二甲酚近红外光谱在线检测方法，其特征在于：步骤S5中，

纯度回归模型ft(x)在样本集Ta和样本集Tb上的误差分别为：其中ft(xi)是利用样本集Ta建立的第t次迭代的2,6‑二甲酚纯度回归模型，ft(xj)是利用样本集Tb建立的第t次迭代的2,6二甲酚纯度回归模型，样本集Tb上的平均建模误差为：其中 是样本集Tb第t次迭代的权重。

9.根据权利要求8所述的高纯度2,6‑二甲酚近红外光谱在线检测方法，其特征在于：步骤S5中，回归模型的平均建模误差与所采集样本的个数有关，参数m和n的选取可通过优化算法进行求解，包括罚函数类的内点法、罚函数类的外点法、拉格朗日乘子法、二次规划法、可行方向法、广义简约梯度法或遗传算法等智能寻优算法。

10.根据权利要求1所述的高纯度2,6‑二甲酚近红外光谱在线检测方法，其特征在于：步骤S6中，

样本集Tb的权重更新系数：

样本集Ta和样本集Tb的初始权重进行更新为：