1.一种面向人工智能的智能决策优化方法，其特征在于：所述智能决策优化方法主要包括以下步骤：

步骤S1：生产线开始运行后，通过第一批产品的质检结果制定产品使用处理后废水的合格率与残次率需要达到的标准级别；

步骤S2：通过第一批产品的质检结果进一步制定残次品使用处理后废水的可利用率需要达到的标准级别；

步骤S3：对处理池不同积量的情况下适配不同的产品质量要求，并根据产品质量适配质量要求选择合适的处理流程；

其中，获取可循环废水处理池具体信息包括：深度处理池、流程控制处理池和普通处理池，深度处理池、流程控制处理池和普通处理池分别处于工业排水通道的三个分流，工业废水排水优先级为深度处理池＞流程控制处理池＞普通处理池，其中流程控制处理池设置多个分流阀门，控制进入的废水在普通处理池的基础处理流程上进行额外的废水处理流程，普通处理池中处理后的废水及流程控制处理池中未达到处理标准的废水不参与二次利用；

当工厂的废水处理积量处于正常循环中，在废水处理池处于非生产阶段时，满足处理时间在可控范围内，并通过使废水处理的质量达到要求，由于生产工艺对废水的质量要求相对于其他生产工艺低，且要将不同处理工序后的废水均分到各个生产线中，当一部分废水的处理质量达到要求后，再次提升对废水处理流程的步骤对当前水质要求相对较低的生产线中产品质量的提升较小，实时调节流程控制处理池的处理流程；

所述步骤S3进一步包括：

步骤S31：远程在线监测工厂废水处理池的状态，实时获取各个废水处理池的总积量；

步骤S32：当工厂废水处理池积量低于工厂废水处理池最大积量的80％时，系统通过提取产品生产时间和生产吃水量信息预测总废水处理时长，再获取工业生产合格品与残次品的比例，适应更改达到要求后，控制流程控制处理池适配增加处理流程后输出处理时间，若处理时间小于预测的总处理时间，适应更改达到要求，适应增加流程控制处理池的流程工序数量并重新匹配，实时调节流程控制处理池的处理流程，满足当前预计处理完所有废水量和分析预测的总处理时间误差低于5％；

步骤S33：当工厂废水处理池积量高于工厂废水处理池最大积量的80％时，系统通过提取产品生产的速率预测总废水处理时长，再获取废水经过处理后历史日均废水处理工作量、废水处理清理效率；根据历史日均废水处理工作量和废水处理清理效率推算出工业废水处理的预计时间，结合对废水处理的最低处理要求信息，实时调节流程控制处理池的流程时间满足处理要求，预计处理废水完成度至最低废水清理度要求和分析预测的总处理时间误差低于5％，若当前流程控制处理池的处理流程下废水处理情况满足最低处理要求时，则进入深度处理池；直到处理废水期间监测到流程控制处理池的总负载低于流程控制处理池最大负载的70％时，中止执行步骤S33，跳转执行步骤S32。

2.根据权利要求1所述的一种面向人工智能的智能决策优化方法，其特征在于：

还包括步骤S34：当多个不同工艺的生产线同时运行并产生不同杂质的废水时，提取不同生产线对水质的要求，依据水质要求的高低从高到低对生产线进行排名，通过步骤S32‑S33对废水的处理后，将废水依据深水池废水处理＞流程控制处理池中废水受处理流程从高到低至获取的废水受最少流程，将废水处理质量从高到低进行排名依次与生产线进行配对，获取选择生产线的匹配度X＝(1‑W％)|α1％‑α2％|*100％，其中α1％为匹配目标生产线用水要求在排行的比率，α2％为匹配目标处理池废水处理质量在排行的比率，W％为匹配目标生产线已接收储存的水量比率，将处理池内的水流入匹配度最高的生产线。