1.一种尾气中粉尘浓度短期预测方法，其特征在于，包括以下步骤：(1)在第一次进行粉尘浓度预测前，首先在线采集一定量的粉尘浓度数据，用于计算粉尘浓度动态预测模型的模型融合参数以及用于建立粉尘浓度动态预测模型。

(2)在得到模型融合参数后，建立粉尘浓度动态预测模型，并对后续时刻的粉尘浓度进行预测，根据预测值分析粉尘浓度的变化趋势。

(3)在采集到预测时刻的粉尘浓度测量值后，将预测值与测量值进行对比，若预测误差超过阈值，则根据最新得到的数据重新计算模型融合参数，根据重新计算后的模型融合参数建立新的粉尘浓度动态预测模型用于粉尘浓度的下一次预测。

2.根据权利要求1所述的一种尾气中粉尘浓度短期预测方法，其特征在于：所述粉尘浓度动态预测模型的模型融合参数计算过程为：(1)准备建模数据：读入最新采集到的L1个粉尘浓度测量值，记为X0＝{x(1),x(2),...,x(L1)}，其中，x1为采集到的第一个粉尘浓度测量值，L1为预设的建立粉尘浓度预测模型需要的数据量；

(2)获取指数平滑预测结果：对于读入的L1个粉尘浓度数据，首先利用第1～L2个数据建立指数平滑预测模型，对第L2+1个数据进行预测，并记预测结果为e(L2+1)，L2是预设的建立指数平滑模型需要的数据量且L2＜L1；接下来，利用第2～L2+1个数据，对第L2+2个数据进行预测；以此类推，直至完成对第L1个数据的预测，并记录所有预测结果；

(3)获取灰色理论预测结果：对于读入的L1个粉尘浓度数据，首先利用第1～L2个数据建立GM(1,1)灰色预测模型，对第L2+1个数据进行预测，并记预测结果为g(L2+1)；接下来，利用第2～L2+1个数据，对第L2+2个数据进行预测；以此类推，直至完成对第L1个数据的预测，并记录所有预测结果；

(4)求解模型融合参数：记对于第L2+1～L1个粉尘浓度数据的测量值矩阵X1以及对应的指数平滑预测矩阵E和灰色理论预测矩阵G分别如下记预测矩阵为D＝[E,G]，模型融合参数矩阵为P＝[α,β]Τ，则由最小二乘法可求得模型融合参数为

3.根据权利要求2所述的一种尾气中粉尘浓度短期预测方法，其特征在于：所述粉尘浓度动态预测模型的建立过程为：(1)准备建模数据：记当前最新采集到的粉尘浓度数据为x(t)，读入最新采集到的L2个粉尘浓度数据X＝{x(t-L2+1),x(t-L2+2),...,x(t-1),x(t)}；

(2)建立指数平滑预测模型：利用读入的L2个粉尘浓度数据建立指数平滑预测模型，对第t+1个粉尘浓度数据进行预测，得到指数平滑预测结果e(t+1)；

(3)建立灰色理论预测模型：利用读入的L2个粉尘浓度数据建立GM(1,1)灰色预测模型，对第t+1个粉尘浓度数据进行预测，得到灰色理论预测结果g(t+1)；

(4)建立粉尘浓度动态预测模型：根据之前所述的指数平滑预测结果e(t+1)、灰色理论预测结果g(t+1)和模型融合参数α,β，建立粉尘浓度动态预测模型式中， 即为下一时刻粉尘浓度的预测结果。

4.根据权利要求2或3所述的一种尾气中粉尘浓度短期预测方法，其特征在于：所述指数平滑模型的建立过程为：(1)准备建模数据：若此次共得到了n个数据用于指数平滑建模，将建模数据记为Xn＝{x(1),x(2),…,x(n-1),x(n)}；

(2)进行一次指数平滑预测：按照下式递推计算建模数据的一次指数平滑预测结果：

1 1

s(n)＝λx(n)+(1-λ)s(n-1)

式中，s1(n)是对Xn的一次指数平滑预测，λ是加权系数；

一般取s1(1)＝x(1)，则对x(n)下一时刻的数据进行一次指数平滑预测的结果为(3)进行二次指数平滑预测：在得到一次指数平滑预测结果后，按照下式递推计算二次指数平滑预测结果：s2(n)＝λs1(n)+(1-λ)s2(n-1)

式中，s2(n)是对Xn的二次指数平滑预测，一般取s2(1)＝x(1)；

(4)进行三次指数平滑预测：在得到二次指数平滑预测结果后，按照下式递推计算三次指数平滑预测结果：s3(n)＝λs2(n)+(1-λ)s3(n-1)

式中，s3(n)是对Xn的三次指数平滑预测，一般取s3(1)＝x(1)；此处取三次指数平滑结果作为对x(n)下一时刻数据的指数平滑预测结果，即e(n+1)＝s3(n)。

5.根据权利要求2或3所述的一种尾气中粉尘浓度短期预测方法，其特征在于：所述灰色理论预测模型的建立过程为：(1)准备建模数据：若此次共得到了n个数据用于灰色预测建模，将建模数据记为Xn＝{x(1),x(2),…,x(n-1),x(n)}；

(2)对粉尘浓度数据进行一阶累加生成：计算粉尘浓度数据的一阶累加生成序列如下：其中，

(3)对粉尘浓度数据进行紧邻均值生成：计算粉尘浓度数据的紧邻均值生成序列如下：Z(1)＝{z(1)(2),z(1)(3),...,z(1)(n)}其中，

(4)计算GM(1,1)模型参数：按如下公式计算GM(1,1)模型的参数a,b：[a,b]Τ＝(BΤB)-1BΤY

其中，

(5)计算灰色理论模型预测结果：对x(n)下一时刻数据的灰色理论模型预测结果为