1.一种剪切增稠液的流变性能预测方法,其特征在于，所述方法包括以下内容：实测不同配比组合剪切增稠液的流变性能，得到实测流变数据；

根据所述实测流变数据计算环境修正系数，并利用所述环境修正系数仿真模拟相应所述不同配比组合的剪切增稠液的流变性能；同时利用机器学习计算不同配比组合的剪切增稠液与实测流变数据的相关性系数；

所述根据所述实测流变数据计算环境修正系数包括：建立实验环境对流变性能影响的第一预测模型；

将所述实测流变数据输入所述第一预测模型，进行模型训练和测试；

所述建立实验环境对流变性能影响的第一预测模型，包括：对实验环境数据进行离差规范化处理，将数据映射至[0，1]区间；

采用pearson相关系数计算离差规范化处理后的环境数据与流变性能的相关度；

在环境修正后的软件仿真算法中添加所述相关性系数对剪切增稠液的流变性能进行预测。

2.根据权利要求1所述的一种剪切增稠液的流变性能预测方法,其特征在于，所述建立实验环境对流变性能影响的第一预测模型，还包括：部署基于Python3.6、Anaconda3‑5.2.0、Pytorch1.3.0以及cuda10.1的神经网络模型运行环境；

在所述神经网络模型运行环境中搭建基于PyTorch的神经网络，所述神经网络的激活函数采用tanh，将输出结果限定在‑1 1之间，输出结果的均值为0。

~

3.根据权利要求1所述的一种剪切增稠液的流变性能预测方法,其特征在于，所述将所述实测流变数据输入所述第一预测模型，进行模型训练和测试，包括：所述第一预测模型的损失函数采用均方差函数，将真实实验中的温度、压力对流变性能影响分布作均方差运算，得到损失值；

对所述第一预测模型进行训练直至找到最小的损失值；

输入测试数据至所述第一预测模型，判定并修正模型的准确度。

4.根据权利要求1所述的一种剪切增稠液的流变性能预测方法,其特征在于，所述利用机器学习计算不同配比组合与实测流变数据的相关性系数，包括：建立不同配比组合对流变性能影响的第二预测模型；

将所述实测流变数据输入所述第二预测模型，进行模型训练和测试。

5.根据权利要求4所述的一种剪切增稠液的流变性能预测方法,其特征在于，所述建立不同配比组合对流变性能影响的第二预测模型，包括：对实验配比数据进行离差规范化处理，将数据映射至[0，1]区间；

采用pearson相关系数计算离差规范化处理后的实验配比数据与流变性能的相关度；

部署基于Python3.6、Anaconda3‑5.2.0、Pytorch1.3.0以及cuda10.1的神经网络模型运行环境；

在所述神经网络模型运行环境中搭建基于PyTorch的神经网络，所述神经网络的激活函数采用tanh，将输出结果限定在‑1 1之间，输出结果的均值为0。

~

6.根据权利要求4所述的一种剪切增稠液的流变性能预测方法,其特征在于，所述将所述实测流变数据输入所述第二预测模型，进行模型训练和测试，包括：所述第二预测模型的损失函数采用均方差函数，将真实实验中的实验配比数据进对流变性能影响分布作均方差运算，得到损失值；

对所述第二预测模型进行训练直至找到最小的损失值；

输入测试数据至所述第二预测模型，判定并修正模型的准确度。

7.一种剪切增稠液的流变性能预测系统,其特征在于，所述系统包括：数据存储模块，用于存储测量得到的不同配比组合剪切增稠液的实测流变数据；

相关性计算模块，用于根据所述实测流变数据计算环境修正系数，并利用所述环境修正系数仿真模拟相应所述不同配比组合的剪切增稠液的流变性能；还用于利用机器学习计算不同配比组合的剪切增稠液与实测流变数据的相关性系数；

预测模块，在环境修正后的软件仿真算法中添加所述相关性系数对剪切增稠液的流变性能进行预测。

8.根据权利要求7所述的一种剪切增稠液的流变性能预测系统，其特征在于，所述数据存储模块还用于将原始数据进行备份式保留。

9.根据权利要求7所述的一种剪切增稠液的流变性能预测系统，其特征在于，所述系统还包括：

数据清洗模块，用于按系统预先设定的数据格式及存储方式，对原始数据进行数据清洗。