1.融合定性和定量信息的隐变量高斯过程软测量建模方法，其特征在于，包括以下步骤：

1）获取聚丙烯数据：选择进料流速、螺杆转速及螺杆配置作为过程建模的数据，所述进料流速及螺杆转速为定量因素，所述螺杆配置为定性因素；

2）将获取的聚丙烯数据划分为训练集与测试集，并对定量因素及定性因素分别进行预处理；步骤2）的过程如下：步骤2.1：训练集与测试集划分：

在混合聚丙烯挤出工艺中，使用不同的螺杆元件作为挤出机配置的候选元件，从螺杆配置总数中，随机选择m个配置，在不同的配置下，在不同操作条件中收集过程输入和输出数据；对于每种操作条件，采用拉丁超立方体抽样方法确定收集的样本，并将样本划分为训练集与测试集；

步骤2.2：数据预处理：

对于定量因素进料流速和螺杆转速，采用最大‑最小归一化方法进行预处理，其公式表示为：；

式中， 为归一化处理后的数据； 为采集的原始数据； 为原始数据中的最小值；

为原始数据中的最大值；将进料流速和螺杆转速经最大‑最小归一化处理后的变量分别表示为 和 ；

对于定性因素螺杆配置，采用one‑hot编码进行预处理；第一种候选螺杆配置表示为[1,0,0,…,0,0]，第二种候选螺杆配置表示为[0,1,0,…,0,0]，以此类推；

3）融合定量因素与定性因素构建高维过程变量；步骤3）的过程如下：将定量因素与定性因素相融合，构成新的输入变量（）；采用符号⊕表示向量的连接操作，公式如下：；

4）基于构建的高维过程变量，通过高斯过程潜变量GPLVM模型学习有效的潜层变量，以去除冗余信息对模型的影响

5）建立基于隐变量的软测量模型：在隐变量与关键质量变量间构建软测量模型实现对测试样本关键质量变量的预测；

6）模型表现评估。

2.如权利要求1所述的融合定性和定量信息的隐变量高斯过程软测量建模方法，其特征在于，步骤4）的过程如下：步骤4.1：学习高维过程变量 的低维潜在表示：GPLVM模型通过学习低维空间隐变量 实现高维数据 的降维，具体过程如下：对给定的N个D维观测样本 进行降维，得到这些样本在低维空间中的有效表示，记作：；

其中， 表示经降维后的维度， ；隐变量与观测变量间的关系表示如下：；

其中， 表示服从高斯过程先验的非线性函数，满足 ； 为高斯噪声，满足 ；得到GPLVM边际似然 的具体形式如下：；

其中， 表示核函数核噪声分布中的超参数； 表示矩阵 的第 列元素； 表示协方差； 表示方差； 为单位矩阵；在学习过程中，通过最大化GPLVM边际似然的方式获得最优的隐变量 和超参数 ：；

步骤4.2：确定核函数：

GPLVM模型采用复合核函数平方指数自相关核函数，其表达式如下所示：；

其中， 表示输入变量， 表示目标变量， 为超参数，决定核函数的振幅，H表示输入变量个数， 表示输入变量与目标变量间的相关性，数值越小相关性越大。