1.基于高斯过程回归的聚合物分子量分布的预测方法，其特征在于聚合物单体在引发剂的存在下于溶剂中发生聚合反应，聚合反应过程中，反应液中的聚合物分子量分布的预测方法包括以下步骤：

1)数据采集：采用正交试验的方法，获取聚合反应过程中的所有工艺参数，并对工艺参数按照类型进行分组，记录所有工艺参数下相应的关于反应液中聚合物分子量浓度分布的历史数据，建立历史工艺数据序列库；

2)数据提纯：对历史工艺数据序列库里记录的关于聚合物分子量浓度分布的历史数据进行提纯处理，即按照每隔一个聚合度间差提取一个聚合物分子量的浓度数据，其余聚合物分子量浓度的数据予以剔除，最终获得相应的提纯后历史工艺数据序列库；

3)数据处理：对历史工艺数据序列库里的所有工艺参数、提纯后的聚合物分子量分布以及其浓度分布均进行归一化处理，最终获得相应的数据处理后历史工艺数据序列库；

4)聚合物分子量分布预测模型的建立：在数据处理后历史工艺数据序列库中，各组归一化处理后的工艺参数作为输入特征，归一化处理后的聚合物分子量浓度分布的数据作为输出特征，将这些输入特征和输出特征导入到训练模型中，通过高斯过程分布模型对聚合反应过程中所有已知的工艺参数下所对应的聚合物分子量浓度分布的数据进行训练和模拟，进行预测模型的搭建，最后获得未知工艺参数与聚合物分子量浓度分布的对应关系。

2.如权利要求1所述的基于高斯过程回归的聚合物分子量分布的预测方法，其特征在于步骤2)中，聚合度间差的数值为30。

3.如权利要求1所述的基于高斯过程回归的聚合物分子量分布的预测方法，其特征在于步骤1)中，工艺参数的分组类型包括4组，分别为反应温度、反应时间、聚合物单体在溶剂中的浓度及引发剂在溶剂中的浓度。

4.如权利要求1所述的基于高斯过程回归的聚合物分子量分布的预测方法，其特征在于步骤3)中，对所有工艺参数、提纯后的聚合物分子量分布以及其浓度分布均进行归一化处理，归一化处理的公式均为：其中： 表示某一参数进行归一化处理后的结果；

x表示某一参数进行归一化处理前的数值；

xmin表示某一参数的最小值；

xmax表示某一参数的最大值；

进行归一化处理后，所有工艺参数、聚合物分子量分布及其浓度分布的数值均是[0,1)之间的浮点数。

5.如权利要求1所述的基于高斯过程回归的聚合物分子量分布的预测方法，其特征在于步骤4)中，基于高斯过程回归模型建立预测模型的公式为：y～N(μ(X),K(X,X))

其中y表示训练数据中输出的聚合物分子量的浓度分布值；

X表示训练数据中进行聚合反应的各组工艺参数的数据；

μ(X)表示训练数据中进行聚合反应的各组工艺参数的数据均值；

K表示进行聚合反应的各组工艺参数的数据的协方差矩阵；

N表示正态分布。

6.如权利要求1所述的基于高斯过程回归的聚合物分子量分布的预测方法，其特征在于还包括监测模型结果的评估过程：根据步骤4)建立的预测模型，通过输入待测的未知工艺参数，对比基于预测模型的聚合物分子量浓度分布的预测结果与基于真实聚合反应实验的聚合物分子量浓度分布的检测结果的拟合情况，以判断步骤4)建立的预测模型的准确性；

基于预测模型的聚合物分子量浓度分布的预测公式如下：其中y表示训练数据中输出的聚合物分子量的浓度分布值；

X表示训练数据中进行聚合反应的各组工艺参数的数据；

X*表示测试数据中进行聚合反应的各组工艺参数的数据；

f*表示真实聚合反应实验中检测输出的聚合物分子量的浓度分布值；

μ(X)表示训练数据中进行聚合反应的各组工艺参数的数据均值；

μ(X*)表示测试数据中进行聚合反应的各组工艺参数的数据均值；

K表示进行聚合反应的各组工艺参数的数据的协方差矩阵；

σn表示进行聚合反应的各组工艺参数的数据的方差值；

T表示矩阵的转置；

N表示正态分布。