1.一种基于混合特征选择的辛烷值损失预测方法，其特征在于，包括如下步骤：S1:获取从催化裂化汽油精制装置采集的样本原始数据；

S2:将数据样本进行预处理；

S3:使用k‑means聚类算法初步筛选变量：S4:使用皮尔逊相关系数检验变量的线性关系，并用距离相关系数检验变量的非线性关系,将与其它变量相关性较高的变量剔除：S5:根据决策树计算的各变量重要性，得到建模的最终变量；

S6:根据辛烷值损失和筛选的变量，建立多元线性回归模型并进行训练。

2.根据权利要求1所述的基于混合特征选择的辛烷值损失预测方法，其特征在于，所述步骤S2具体包括以下步骤：S201:将数据缺失过多的操作变量进行删除；

S202:根据拉依达准则去除数据中的异常值；

S203:对部分时间点的数据为空值的位点，空值处用其前后两个小时数据的平均值代替；

S204:以辛烷值数据测定的时间点为基准时间，取其前2个小时的操作变量数据的平均值作为对应辛烷值的操作变量数据。

3.根据权利要求1所述的基于混合特征选择的辛烷值损失预测方法，其特征在于，所述步骤S3具体包括以下步骤：S301:将归一化后的变量数据作为k‑means算法的训练集，初始化k个聚类中心；

S302:计算变量到各个簇质心的欧式距离，将其分配到距离最近的簇，重新计算簇的质心；

S303:重复所述步骤S301、步骤S302直至每个簇的质心不再变化；

S304:画出误差平方和SSE与k值的曲线图，采用肘部法则确定簇的最佳个数，选择每个簇的质心作为初步筛选的变量。

4.根据权利要求1所述的基于混合特征选择的辛烷值损失预测方法，其特征在于，所述步骤S4具体包括以下步骤：S401:计算每个变量与其他变量的皮尔森相关系数以检验线性相关性，计算公式如下:S402:计算每个变量与其他变量的距离相关系数以检验非线性相关性，计算公式如下：其中，距离协方差 和 分别为：

同理计算距离协方差 和 其中X和Y是进行相关分析的两个变量，n表示样本个数；

S403：得到变量的皮尔森和距离相关性矩阵，计算各变量与其他变量相关系数的均值，剔除掉均值大于阈值的变量。

5.根据权利要求1所述的基于混合特征选择的辛烷值损失预测方法，其特征在于，所述步骤S5具体为:采用决策树计算每个变量的重要性，计算分支节点的Gini指数下降程度之和(Giniimportance，GI)，计算公式如下：其中，N是样本的总数，Nt是当前节点的样本数量， 是结点右孩子的样本数目， 是结点左孩子的样本数目，G为Gini指数，Gl和Gr为别表示左右分支的Gini指数；

计算出每个变量的重要性后，进行排序，筛选出重要性高于阈值的变量。

6.根据权利要求1所述的基于混合特征选择的辛烷值损失预测方法，其特征在于，所述步骤S6中建立多元线性回归模型包括：以均方根误差作为损失函数，并采用自适应梯度下降的AdaGrad算法优化。