1.一种基于门控卷积网络的水泥成品比表面积预测方法，其特征在于：包括以下步骤：步骤S1：分析整个水泥磨工艺选取与水泥比表面积相关的输入变量，输入变量的数据建立数据库，从数据库提取训练数据，训练数据包括8个与水泥比表面积密切相关的变量，8个变量包括辊压机挡板开度量、喂料量反馈量、选粉机电流、选粉机转速反馈量、循环风机挡板开度量、循环风机变频反馈量、水泥磨主机电流和出磨提升机电流；还有水泥比表面积的真实值，将训练数据进行预处理，首先将选择的变量数据按照时间序列排列，然后将数据进行归一化处理；

步骤S2：搭建基于门控卷积网络，该网络包括输入层、门控卷积层、池化层、全连接层和输出层，其中门控卷积层包括卷积单元和门控单元；归一化处理后的数据输入到门控卷积网络，其中8个变量的数据作为训练样本，真实的水泥比表面积数据作为标签值，数据先经过输入层进入门控卷积层，在门控卷积层数据分别经过卷积单元提取特征以及门控单元提取门控参数，再将两者逐元素相乘，以决定有多少当前时刻的信息要输入下一层，经过步长为2的最大池化层将数据量压缩一半，接着将数据输入下一层,重复上述过程三次，共经过三层门控卷积层，最后将数据经过全连接层到达输出层，完成了基于门控卷积网络的一次前向传播；

步骤S3：将输出层输出数据和标签进行比较以计算损失函数，再利用反向传播算法更新每一层的参数，参数包括：卷积单元的卷积核权重以及偏置、门控单元的门控权重和全连接层到输出层的权重以及偏置，重复反向传播过程，直到损失函数的误差满足要求或者到达指定的迭代次数为止；经过上述过程的反复训练，即可实现误差的最小化，退出循环，完成训练，完成了基于门控卷积网络的一次反向传播；

步骤S4：用训练好的参数构建门控卷积网络预测模型，实现水泥比表面积的软测量。

2.根据权利要求1所述的一种基于门控卷积网络的水泥成品比表面积预测方法，其特征在于：所述步骤S1中，将输入门控卷积网络的数据进行重构，并将数据进行最大‑最小值归一化，公式如下：

其中，x1,x2,...,xn为输入序列，y1,y2,...,yn为归一化后的序列。

3.根据权利要求1所述的一种基于门控卷积网络的水泥成品比表面积预测方法，其特征在于：所述步骤S2中，基于门控卷积网络的前向传播具体的计算过程如下：卷积单元需要学习参数的有卷积核权重WC、偏置b，门控单元需要学习的参数有门控权重VG、偏置c，全连接层需要学习的参数有权重DB、偏置a，随机初始化这些权值然后开始前向传播：

输入变量X经过卷积单元计算得到的卷积矩阵为A，计算公式为X*WC+b；同理，门控单元计算得到的卷积矩阵为B，计算公式为X*VG+c，经过sigmiod激活函数变为门控权重矩阵即σ(B)，其中σ表示sigmiod计算，最后将卷积矩阵和门控矩阵逐元素相乘得到门控卷积层H的计算公式如下:

其中, 表示矩阵逐元素相乘,H再经过滑窗为2的最大池化层将数据进行降采样以提取更广范的特征，再将提取到的特征输入下一层；

全连接层到输出层的传播公式为Y＝F*DB+a，其中,F为最后一层门控卷积层输出矩阵展平成一维的矩阵，Y为输出矩阵，至此完成一次前向传播。

4.根据权利要求1所述的一种基于门控卷积网络的水泥成品比表面积预测方法，其特征在于：所述步骤S3中，基于门控卷积网络的反向传播具体的计算过程如下：反向传播分为两个部分，分别是输出层到全连接层以及下层卷积门控层到上层门控卷积层,首先定义均方误差损失函数为：其中， 和yt分别为t时刻的预测数据和真实标签，L为损失函数；

下面推导DB权值的梯度更新公式：其中，DB,t,i表示全连接层t时刻权重矩阵的第i个权值；

其梯度计算公式如下：

其中，Ft为t时刻最后一层门控卷积层输出矩阵展平成一维的矩阵，at为全连接层t时刻的偏置；

与权重对应的t时刻偏置at的梯度为：同理，门控卷积层的梯度计算公式：其中， 表示梯度；

接着进行权值的更新，更新公式：

其中，η为学习率，W表示权重；

至此完成了一次反向传播，通过循环迭代更新网络的权值参数，直到误差小于设定阈值或达到最大训练次数，退出循环，完成训练。