1.一种干燥过程中目标对象含水率与干燥能耗预测方法，其特征在于，所述方法包括：获取目标对象干燥试验的试验数据；

根据所述试验数据，计算所述试验数据中不同特征之间的相关性系数；

根据所述相关性系数，确定输入变量和输出变量，其中，所述输入变量和所述输出变量用于得到训练集数据和测试集数据；

获取训练集数据和测试集数据，其中，获取所述训练集数据，包括：基于第一预设间隔，获取目标对象干燥过程中失水信息，其中，所述失水信息包含所述输入变量和所述输出变量，所述第一预设间隔表示采样点之间的时间间隔；根据所述失水信息得到第一变化曲线，并计算所述第一变化曲线上每一采样点的变化趋势；根据所述变化趋势和预设条件，确定第一目标采样点；将所述第一目标采样点之后的所述时间间隔调整为第二预设间隔；基于所述第二预设间隔，获取所述第一目标采样点之后的所述失水信息和所述失水信息的第二变化曲线；在所述第二变化曲线上，当连续第四预设数量个所述采样点之间的数据变化率在预设区间内，则根据所述第四预设数量个所述采样点得到第二目标采样点；将所述第二目标采样点之后的所述时间间隔调整为第三预设间隔；基于所述第三预设间隔，获取所述第二目标采样点之后的所述失水信息；根据所有所述失水信息，得到所述训练集数据；

根据所述训练集数据建立初始预测模型；

根据所述训练集数据对所述初始预测模型进行优化和训练，得到目标预测模型；

根据所述目标预测模型和所述测试集数据，得到目标对象含水率和干燥能耗的预测结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述训练集数据建立初始预测模型，包括：根据所述训练集数据中的所述输入变量和所述输出变量，确定所述初始预测模型的输入层神经元数值和输出层神经元数值；

根据所述输入层神经元数值、所述输出层神经元数值以及第一预设公式，得到隐含层神经元数值的取值范围；

从所述取值范围内选取出目标隐含层神经元数值；

调整所述初始预测模型的初始训练函数和初始传递函数组合，分别得到目标训练函数和目标传递函数组合；

根据所述输入层神经元数值、输出层神经元数值、目标隐含层节点数量、目标训练函数以及目标传递函数组合，建立所述初始预测模型。

3.根据权利要求2所述的方法，其特征在于，所述从所述取值范围内选取出目标隐含层神经元数值，包括：确定训练误差阈值；

根据预设循环语句构建嵌套神经网络；

从所述取值范围获取第一预设数量个数值作为所述隐含层神经元数值，并获取每个所述隐含层神经元数值对应的所述嵌套神经网络的第一训练误差；

将小于所述训练误差阈值的所述第一训练误差对应的所述隐含层神经元数值作为所述目标隐含层神经元数值。

4.根据权利要求2所述的方法，其特征在于，所述调整所述初始预测模型的初始训练函数和初始传递函数组合，分别得到目标训练函数和目标传递函数组合，包括：获取第二预设数量个初始训练函数；

获取每个所述初始训练函数对应的所述初始预测模型的第二训练误差和训练迭代次数；

将使所述第二训练误差和所述训练迭代次数均最小的所述初始训练函数作为所述目标训练函数；

获取第三预设数量个所述初始传递函数组合；

获取每个所述初始传递函数组合对应的所述初始预测模型的第三训练误差；

将使所述第三训练误差最小的所述初始传递函数组合作为所述目标传递函数组合。

5.根据权利要求1所述的方法，其特征在于，所述根据所述训练集数据对所述初始预测模型进行优化和训练，得到目标预测模型，包括：初始化所述初始预测模型的权值和阈值；

根据所述权值、所述阈值以及预设优化算法，对所述初始预测模型进行优化，得到目标权值和目标阈值；

将所述初始预测模型的权值更新为所述目标权值，将所述初始预测模型的阈值更新为所述目标阈值，得到更新后的初始预测模型；

根据所述训练集数据对所述更新后的初始预测模型进行训练，得到所述目标预测模型。

6.根据权利要求5所述的方法，其特征在于，所述根据所述权值、所述阈值以及预设优化算法，对所述初始预测模型进行优化，得到目标权值和目标阈值，包括：初始化麻雀种群，并确定所述麻雀种群中的发现者、加入者以及预警者；

根据所述权值和所述阈值，得到所述麻雀种群的位置信息；

根据所述位置信息计算所述麻雀种群的适应度值；

根据所述适应度值，确定所述麻雀种群中的目标个体和所述目标个体对应的目标位置信息；

根据第二预设公式更新所述发现者的所述位置信息，得到第一位置信息；

根据第三预设公式更新所述加入者的所述位置信息，得到第二位置信息；

根据第四预设公式更新所述预警者的所述位置信息，得到第三位置信息；

基于所述第一位置信息、所述第二位置信息以及所述第三位置信息，更新所述麻雀种群的所述适应度值，得到更新后的适应度值；

根据所述更新后的适应度值，更新所述目标位置信息；

从所述根据所述目标位置信息，确定所述麻雀种群中的发现者、加入者以及预警者开始执行后续步骤，直到迭代次数达到预设终止迭代次数或所述目标位置信息满足预设精度要求，则根据所述目标位置信息，得到所述目标权值和所述目标阈值。

7.一种干燥过程中目标对象含水率与干燥能耗预测装置，其特征在于，所述装置包括：第二获取模块，用于获取目标对象干燥试验的试验数据；计算模块，用于根据所述试验数据，计算所述试验数据中不同特征之间的相关性系数；确定模块，用于根据所述相关性系数，确定输入变量和输出变量，其中，所述输入变量和所述输出变量用于得到训练集数据和测试集数据；

第一获取模块，用于获取训练集数据和测试集数据；

所述第一获取模块包括：第一获取单元，用于基于第一预设间隔，获取目标对象干燥过程中失水信息，其中，所述失水信息包含所述输入变量和所述输出变量，所述第一预设间隔表示采样点之间的时间间隔；计算单元，用于根据所述失水信息得到第一变化曲线，并计算所述第一变化曲线上每一采样点的变化趋势；第二确定单元，用于根据所述变化趋势和预设条件，确定第一目标采样点；第二调整单元，用于将所述第一目标采样点之后的所述时间间隔调整为第二预设间隔；

第二获取单元，用于基于所述第二预设间隔，获取所述第一目标采样点之后的所述失水信息和所述失水信息的第二变化曲线；第二得到单元，用于在所述第二变化曲线上，当连续第四预设数量个所述采样点之间的数据变化率在预设区间内，则根据所述第四预设数量个所述采样点得到第二目标采样点；第三调整单元，用于将所述第二目标采样点之后的所述时间间隔调整为第三预设间隔；第三获取单元，用于基于所述第三预设间隔，获取所述第二目标采样点之后的所述失水信息；根据所有所述失水信息，得到所述训练集数据；

建立模块，用于根据所述训练集数据建立初始预测模型；

第一得到模块，用于根据所述训练集数据对所述初始预测模型进行优化和训练，得到目标预测模型；

第二得到模块，用于根据所述目标预测模型和所述测试集数据，得到目标对象含水率和干燥能耗的预测结果。

8.一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口和所述存储器通过所述通信总线完成相互间的通信，其特征在于，所述存储器，用于存储计算机程序；

所述处理器，用于通过运行所述存储器上所存储的所述计算机程序来执行权利要求1至6中任一项中所述的方法步骤。