1.一种自适应冷轧带材多通道板形预报方法，其特征在于，包括：采集冷轧带材生产数据并进行预处理，得到预报模型的训练集和测试集；

基于极端梯度提升算法建立冷轧带材多通道板形预报模型；所述冷轧带材多通道板形预报模型为使用多个极端梯度提升算法所组成的一个多通道并行预报模型，每个极端梯度提升算法作为子模型单独训练一个通道，各个子模型之间相互独立；

利用所述训练集对冷轧带材多通道板形预报模型进行训练；

将噪声板形通道优化算法融合至所述冷轧带材多通道板形预报模型中，得到自适应冷轧带材多通道板形预报模型；所述噪声板形通道为预报板形维度大于真实板形维度时比真实板形通道多出的通道，所述噪声板形通道优化算法用于消除噪声板形通道；

将所述自适应冷轧带材多通道板形预报模型嵌入冷轧带材板形测控系统中，根据生产数据实时预报当前板形并与设定目标板形进行对比反馈到控制系统实现提前控制。

2.根据权利要求1所述的自适应冷轧带材多通道板形预报方法，其特征在于，所述冷轧带材生产数据包括轧制参数和板形数据，所述采集冷轧带材生产数据包括：分别通过传感器和板形仪实时采集轧制参数和板形数据。

3.根据权利要求2所述的自适应冷轧带材多通道板形预报方法，其特征在于，冷轧带材生产数据的预处理，包括：提取模型输入输出相关特征，将所述冷轧带材板形数据中的出口板形作为模型输出特征，选取所述冷轧带材轧制参数中如下参数特征作为模型的输入特征，包括：带材宽度、入口厚度、出口厚度、入口厚差、出口厚差、速度、轧制力、辊缝差、传动侧工弯、操作侧工弯、传动侧中弯、操作侧中弯、入口张力、出口张力、分段冷却占空比；

提取稳定轧制区数据，提取所述冷轧带材生产数据中轧制速度大于等于轧制速度阈值的数据作为稳定轧制区数据；

剔除异常值数据，采用孤立森林算法剔除数据中某一特征参数在某个时刻出现的异常值。

4.根据权利要求1所述的自适应冷轧带材多通道板形预报方法，其特征在于，利用所述训练集对冷轧带材多通道板形预报模型进行训练，包括：设置冷轧带材多通道板形预报模型的训练参数，通过网格搜索的方法遍历不同参数的组合，确定最优参数：学习率、迭代次数、损失函数、树最大深度、节点分裂所需最小损失下降值、L1正则化系数、L2正则化系数；

利用所述训练集，并采用五折交叉验证的方法对构建的模型进行训练，保存五次训练结果中验证集均方误差最小的模型并作为冷轧带材多通道板形预报模型。

5.根据权利要求1所述的自适应冷轧带材多通道板形预报方法，其特征在于，所述噪声板形通道优化算法，包括：S1、从测试集中取一卷带材数据，带材实际宽度记为Wstrip，板形仪检测辊最大通道数记为k，板形仪检测辊单通道宽度记为Wroll，输入所述冷轧带材多通道板形预报模型后得到的预报板形记为矩阵Ma×b；

S2：计算理论有效通道数 并设置临时变量i＝0；

S3：判断是否满足k′％2＝0；若满足转到步骤S4，否则转到步骤S5；

S4：令k′＝k′‑1；

S5：判断是否满足 满足转到步骤S6，否则转到步骤S8；

S6：令Ma×b[0:a][i]＝0，Ma×b[0:a][k‑i]＝0，i＝i+1；

S7：判断是否满足 若满足转到步骤S8，否则转到步骤S5；

S8：得到优化后的预报板形Ma×b。

6.根据权利要求1所述的自适应冷轧带材多通道板形预报方法，其特征在于，利用所述测试集对所述自适应冷轧带材多通道板形预报模型进行验证。