1.一种基于MiUKFNN算法的高含硫天然气脱硫工艺建模方法，其特征在于，本方法包括以下步骤：

步骤S1：选择影响脱硫效率的工艺参数和脱硫单元的性能指标；

步骤S2：数据采集及预处理，采集预设时间的所述影响脱硫效率的工艺参数和所述脱硫单元的性能指标的数据，剔除误差样本后形成样本集[X,Y]；

步骤S3：对样本集[X,Y]进行归一化，形成归一化样本集 取所述归一化样本集中80％作为训练样本，剩余部分作为测试样本；

步骤S4：基于所述训练样本构建神经网络模型和所述神经网络模型的初始状态变量θk，以及，将所述训练样本中的 作为所述神经网络模型的输入，将所述训练样本中的 作为所述神经网络模型的输出；

所述神经网络模型为：

其中， 为所述训练样本的矢量样本值，并作为所述神经网络模型的输入；zj作为所述神经网络模型的隐含层输出；yd作为所述神经网络模型的输出层输出；wij为神经网络模型的输入层到隐含层的神经元的连接权值； 为神经网络模型的输入层到隐含层的神经元的阈值；vjd为所述神经网络模型的隐含层到输出层的神经元的连接权值， 为所述神经网络模型的隐含层到输出层的神经元的阈值，i＝1,2,…,m；m为神经网络模型的输入层的神经元的数量，s为神经网络模型的隐含层的神经元的数量，h为神经网络模型的输出层的神经元的数量；

应用于神经网络模型各层神经元的非线性激活函数为：fo(x)＝x       (4)所述初始状态变量为：

步骤S5：利用MiUKFNN算法估计所述神经网络模型的最优状态变量；

所述步骤S5包括：

步骤S51：在建立的所述神经网络模型中，将神经网络模型的权值和阈值组成的参数向量视为MiUKFNN算法所需的状态方程，将神经网络模型的输出视为MiUKFNN算法所需的量测方程：

θk＝θk‑1+ηk        (5)其中， 为神经网络模型的输入，yk为神经网络模型的输出， 是参数化的非线性函数，ηk是过程噪声，μk是测量噪声；

对状态方程和量测方程进行初始化，计算状态变量估计以及其协方差：其中：

步骤S52：运用减少Sigma点集方法对所述初始状态变量θk进行Sigma采样，获得n+1个采样点以及权重系数，随机变量 具有均值 和协方差矩阵PXX>0，则：Wweight＝[W ωn+1]      (10)其中：

步骤S53：状态更新，通过离散时间非线性系统的状态方程将每个采样点的k时刻的最优状态变量的状态估计变换为k+1时刻的状态变量的状态估计 并通过合并k+1时刻的状态估计 的向量，获得k+1时刻的状态变量的状态先验估计 和协方差其中，所述状态估计 为：

其中，ηk为过程噪声，其协方差矩阵Qk为cov(wk,wj)＝Qkδkj，所述状态先验估计 为：

所述状态变量的协方差 为：

步骤S54：量测更新，通过离散时间非线性系统的量测方程建立k时刻的状态变量的状态估计 和k时刻的量测预测估计 之间的联系以完成量测预测，并估计k时刻的量测预测的协方差 以及k时刻的状态变量和量测预测之间的协方差所述k时刻的量测预测的均值 为：其中， 为神经网络模型预测输出，由神经网络模型的公式得出；

所述k时刻的量测预测的协方差 为：所述k时刻的状态变量和量测预测之间的协方差 为：步骤S55：通过建立协方差 和协方差 的关系，更新k时刻的状态变量的状态估计和协方差；

所述协方差之间的关系是：

通过上述关系对k+1时刻的状态变量的状态估计和协方差进行修正：步骤S56：将获得的修正后k+1时刻的状态变量 重组神经网络模型，并计算此时神经网络模型的预测输出与实际输出之间的误差，如果小于既设精度要求，则输出所述神经网络模型的最优状态变量 反之，重新进入步骤S51；

步骤S6：将所述最优状态变量作为所述神经网络模型的wij、vjd、 和 对神经网络模型的公式进行更新，获得训练样本更新后的神经网络模型；

步骤S7：将所述测试样本中的 输入到更新后的神经网络模型，得到预测结果，将所述预测结果与所述测试样本中的实际输出 进行比较，如果比较结果小于预设误差值，所构建的神经网络模型有效；否则重复上述步骤S1‑S7，直至所述比较结果小于所述预设误差值为止。

2.根据权利要求1所述的一种基于MiUKFNN算法的高含硫天然气脱硫工艺建模方法，其特征在于，所述影响脱硫效率的工艺参数包括进入尾气吸收塔的贫胺液流量、进入二级吸收塔的贫胺液流量、原料气处理量、尾气单元返回脱硫单元的半富胺液流量、一级吸收塔胺液入塔温度、二级吸收塔胺液入塔温度、闪蒸罐压力、蒸汽预热器的蒸汽消耗量、一个重沸器的蒸汽消耗量、另一个重沸器的蒸汽消耗量；所述脱硫单元的性能指标包括净化气中H2S和CO2的浓度。

3.根据权利要求1所述的一种基于MiUKFNN算法的高含硫天然气脱硫工艺建模方法，其特征在于，步骤S3中，随机选取所述归一化样本集 中80％的样本作为训练样本，而剩余的20％样本作为测试样本。