1.一种基于递归神经网络与角度偏好的铝电解建模与优化方法，其特征在于，包括如下步骤：

S1：选择对电流效率、槽电压以及全氟化物排放量有影响的控制参数构成决策变量，决策变量X＝[x1,x2,···,xM]，M为所选控制参数的个数；

S2：选定铝电解工业现场，采集N组决策变量X1,X2,···,XN及其对应的电流效率y1,y2,···,yN，槽电压z1,z2,···,zN，以及全氟化物排放量s1,s2,···,sN和吨铝能耗c1,c2,···,cN为数据样本，以每一组决策变量Xi作为输入，以对应的电流效率yi、槽电压zi以及全氟化物排放量si和吨铝能耗ci作为输出，利用递归神经网络对样本进行训练、检验，建立四个铝电解槽生产过程模型；

S3：利用基于A支配的偏好多目标量子粒子群算法，根据决策者预先设定的期望值作为参考点，建立基于A支配的严格偏序关系，对步骤S2所得的四个生产过程模型进行优化，得到一组最满足决策者期望的决策变量Xbest及其对应的电流效率ybest、槽电压zbest以及全氟化物排放量sbest和吨铝能耗cbest；

步骤S3包括以下步骤：

S31：根据A支配的偏好关系，评价每个粒子的适应度，并根据优劣对个体最优值和全局最优值进行替换；

S311：初始化系统参数，包括种群规模R，最大迭代次数T，随机生成n个粒子x1,x2,···,xn，令外部存档集Q为空；

S312：决策者设定偏好角度α与偏好目标参考点r(yp,zp,sp,cp)，所述偏好目标参考点包括电流效率、槽电压、全氟化物排放量和吨铝能耗四个目标的期望值；

S313：对于每一个个体x，计算其适应度及其与参考点基准线的角度：

其中，fj(x)是个体x在第j目标上的适应度值；

S314：在目标空间上基于角度信息，划分偏好区域，如果θ(r,x)＜α，则该个体处于偏好区域；否则处于非偏好区域；

S315：判断任意两个个体xi与xk之间的优劣关系，包括以下情况：

当xi与xk同时处于偏好区域或非偏好区域时，若xiPareto支配xk，则认为xi更优秀，若相互不Pareto支配，则认为两者相当；

当xi处于偏好区域，xk处于非偏好区域时，若xiPareto支配xk，或xi与xk相互不Pareto支配，则认为xi优于xk，即xiA支配xk；

S316：确定每个粒子的个体历史最优位置pbesti，在系统初始化时，个体历史最优位置设为该粒子的初始位置xi；在下一次迭代后，基于S315提出的A支配关系，对粒子的新位置xi与pbesti进行优劣比较，优秀者保存为pbesti；

S317：更新外部存档集Q，对种群中相互之间非A支配的粒子加入存档集Q，删除被支配的粒子；

S318：利用拥挤机制和禁忌算法在外部存档集Q中随机选择一个粒子作为全局最优位置；

S32：更新种群：

S321：更新粒子自身的位置，其中粒子位置更新公式为：

其中：i(i＝1,2,…,n)代表第i个粒子，n为种群规模；j(j＝1,2,…,M)代表粒子的第j维，M为搜索空间维数；t为进化代数； 和uij(t)均为[0,1]区间内均匀分布的随机数；xij(t),pbestij(t)和γij(t)分别表示进化代数为t时粒子i的当前位置、个体历史最优位置和吸引子位置；gbestj(t)和mbest(t)分别表示进化代数为t时全局最优位置和平均最好位置；α表示扩张‑收缩因子；

S322：判断当前全局最优解是否满足条件或者迭代次数是否达到最大迭代次数T，如果是，则输出当前全局最优解，否则，跳转至步骤S321进行重复计算，直到当前全局最优解满足条件或者迭代次数达到最大迭代次数T；

S4：按照步骤S3所得的最优决策变量Xbest中的控制参数来控制步骤S2中所选定的铝电解工业现场，使其达到节能减排降耗的目的。

2.根据权利要求1所述的基于递归神经网络与角度偏好的铝电解建模与优化方法，其特征在于，步骤S1中，所述控制参数包括系列电流、下料次数、分子比、出铝量、铝水平、电解质水平、槽温。

3.根据权利要求1所述的基于递归神经网络与角度偏好的铝电解建模与优化方法，其特征在于，步骤S2中，以电流效率作为输出，建立铝电解槽生产过程模型，其输入层采用10个神经元节点，隐藏层采用15个神经元节点，输出层采用1个神经元节点，输入层到隐藏层之间传递函数为Tansig函数，隐藏层到输出层之间的函数为Purelin函数，样本训练时的迭代次数为1000。

4.根据权利要求1所述的基于递归神经网络与角度偏好的铝电解建模与优化方法，其特征在于，步骤S2中，以槽电压作为输出，建立铝电解槽生产过程模型，其输入层采用10个神经元节点，隐藏层采用15个神经元节点，输出层采用1个神经元节点，输入层到隐藏层之间传递函数为Logsig函数，隐藏层到输出层之间的函数为Purelin函数，样本训练时的迭代次数为1000。

5.根据权利要求1所述的基于递归神经网络与角度偏好的铝电解建模与优化方法，其特征在于，步骤S2中，以全氟化物排放量作为输出，建立铝电解槽生产过程模型，其输入层采用10个神经元节点，隐藏层采用15个神经元节点，输出层采用1个神经元节点，输入层到隐藏层之间传递函数为Logsig函数，隐藏层到输出层之间的函数为Purelin函数，样本训练时的迭代次数为1000。

6.根据权利要求1所述的基于递归神经网络与角度偏好的铝电解建模与优化方法，其特征在于，步骤S2中，以吨铝能耗作为输出，建立铝电解槽生产过程模型，其输入层采用10个神经元节点，隐藏层采用15个神经元节点，输出层采用1个神经元节点，输入层到隐藏层之间传递函数为Tansig函数，隐藏层到输出层之间的函数为Purelin函数，样本训练时的迭代次数为1000。