1.一种基于卷积神经网络的4-CBA含量的动态软测量方法，用于计算PTA氧化过程产生的4-CBA含量，其特征在于，首先基于卷积神经网络构建动态软测量模型，所述动态软测量模型包括第一卷积层和第二卷积层两层卷积层，第一池化层和第二池化层两层池化层以及一输出层，且所述卷积层和所述池化层交替分布；其中，所述4-CBA含量的动态软测量方法包括步骤：S100：选择指定数量的PTA氧化过程中的有关可测变量作为动态软测量模型的输入变量，并将4-CBA含量作为动态软测量模型的输出；

S200：采集m组所述输入变量对应的时间序列数据块和对应输出的4-CBA含量数据作为初始训练样本，并对所述初始训练样本做标准化处理；

S300：设定一迭代次数t，将初始化训练样本经标准化处理后的样本数据输入到动态软测量模型中做卷积操作，并对卷积后的特征图通过池化进行采样操作；

S400：在最后一次池化操作中使用dropout，并通过线性函数对第二池化层的池化输出进行计算，将计算结果与4-CBA含量的分析数据进行对比并使用反向传播更新动态软测量模型；

S500：记录当前的迭代次数为k，若k

2.根据权利要求1所述的一种基于卷积神经网络的4-CBA含量的动态软测量方法，其特征在于，所述输入变量包括PTA氧化过程中反应生成的CO2含量，混合罐进料流量，反应器液位，反应器温度以及第一结晶器温度约束。

3.根据权利要求1所述的一种基于卷积神经网络的4-CBA含量的动态软测量方法，其特征在于，设所述时间序列数据块为x，则x可由公式表示，其中，T为

过渡时间长度，τ1＝150min，τ2＝144min，τ3＝102min，τ4＝114min，τ5＝18min；x1为反应生成的CO2含量，x2为混合罐进料流量，x3为反应器液位，x4为反应器温度，x5为第一结晶器温度约束。

4.根据权利要求1所述的一种基于卷积神经网络的4-CBA含量的动态软测量方法，其特征在于，所述的两个卷积层均采用3×3的卷积核，所述卷积层的卷积核的个数采用降维的方法设计，其中，所述第一卷积层的卷积核个数为64，所述第二层卷积层的卷积核个数为

32；第一池化层采用一维最大池化，池化大小为6×1，第二个池化层采用与第二卷积层输出的特征图大小相等的最大池化，所述输出层使用线性函数计算输出结果。

5.根据权利要求1所述的一种基于卷积神经网络的4-CBA含量的动态软测量方法，其特征在于，所述dropout选为0.3的概率断开神经元之间的连接。