1.一种工业数据交互方法，其特征在于，该方法包括以下步骤：

S1、采集工业数据交互的原始数据，构建基于信噪比感知的双轨自适应处理模型，将原始数据通过双轨自适应处理模型进行处理得到初步处理数据；

S11、对原始数据进行基于动态阈值的异常数据识别找到异常数据，并对异常数据进行掩码生成和移动平均插补处理，得到掩码插补处理数据；

S12、对原始数据进行信噪比评估得到噪声水平，根据噪声水平动态选择小波变换的基函数和阈值算法，并得到降噪参数；

S13、根据掩码插补处理数据和降噪参数构建并行的自适应降噪与掩码插补的双轨自适应处理模型，并得到初步处理数据；

S2、对初步处理数据进行预处理并得到预处理数据；

S3、根据预处理数据逐步通过互信息特征选择法和动态序列分割法得到缓存数据，并基于缓存数据构建缓存区；

S4、对缓存数据进行滑动窗口分割得到序列数据，根据序列数据构建带有超参数的初始交互处理模型，对初始交互处理模型进行初步优化得到优化交互处理模型，基于优化交互处理模型进行二次优化并得到最优模型，基于最优模型对缓存数据进行预测分析得到分析预测结果；

S4的具体实现步骤如下：

S41、从缓存区中提取缓存数据，基于滑动窗口序列化法将缓存数据中的连续时间序列通过滑动窗口分割为固定长度的序列片段，每个序列片段作为模型的一个输入样本得到序列数据；

S42、基于序列数据构建带有超参数的初始交互处理模型；

S43、将初始交互处理模型中的多组超参数转换为输入向量，将输入向量作为种群寻优的种群个体构建用于对输入向量进行寻优的优化参数层，并得到待检验超参数，将待检验超参数替代初始交互处理模型中初始的超参数生成优化交互处理模型；

S44、通过余弦退火策略和梯度剪裁法对优化交互处理模型进行训练和正则化并得到最优模型，并构建用于对优化交互处理模型进行二次优化的二次优化层；

S45、将缓存数据输入最优模型进行预测分析得到分析预测结果；

S5、将分析预测结果传送到工业数据交互中心进而生成交互决策。

2.根据权利要求1所述的一种工业数据交互方法，其特征在于，在S2中，具体实现步骤如下：S21、根据初步处理数据通过子线聚类算法得到工况参数，计算初步处理数据的平均值和标准差，根据平均值和标准差对工况参数进行标准化运算得到标准化数据；

S22、构建一个已经训练完成的用于预测标准化数据异常分数的孤立森林模型，获取孤立森林模型的参数；

S23、为每一个孤立森林模型的参数定义一个用于提供搜索空间的概率分布，预先设定一个最大迭代次数，初始化一个用于存储参数组合和评估结果的空的观测集合，通过高斯过程概率模型对观测集合进行拟合得到拟合模型；

S24、定义一个采集函数，通过最大化采集函数，得到下一个最有可能找到全局最优点的候选参数组合，将候选参数组合替换原有的孤立森林模型的参数得到更新森林模型；

S25、获取当前迭代次数，根据最大迭代次数检测更新森林模型并得到优化森林模型；

若当前迭代次数小于最大迭代次数，则返回至S23继续迭代；

若当前迭代次数等于最大迭代次数，则将当前的更新森林模型作为优化森林模型；

S26、将标准化数据输入到优化森林模型中得到异常数据，对异常数据通过卡尔曼滤波法进行平滑矫正得到矫正数据，并基于矫正数据替换原有的异常数据，将平滑矫正后的标准化数据集合为预处理数据。

3.根据权利要求1所述的一种工业数据交互方法，其特征在于，在S3中，具体实现步骤如下：S31、预设一个宽度为a的窗口K，对预处理数据通过移动平均公式和时间衰减因子计算窗口缓存数据；

S32、根据窗口缓存数据通过互信息特征选择法得到相关性优化数据；

S33、根据相关性优化数据通过动态序列分割法得到缓存数据，并基于缓存数据构建缓存区。

4.根据权利要求1所述的一种工业数据交互方法，其特征在于，在S42中，具体实现步骤如下：S421、基于多头注意力机制构建多元注意力层，根据序列数据通过注意力权重公式计算得到权重值，根据权重值计算用于突出关键时间以捕捉长距离依赖关系的加权序列；

S422、使用双向GRU结构构建双向门空循环层，分别从前向和后向两个方向基于双向GRU法处理加权序列并提取时序特征，通过拼接前后向时序特征得到用于增强特征表达的特征数据；

S423、根据特征数据通过时间卷积操作得到卷积数据，根据卷积数据通过残差计算公式将局部细节和全局依赖融合得到用于表示复杂时序融合特征的融合数据，并构建时序融合层；

S424、获取融合数据的总长度除以需要处理的目标长度向上取整得到基础窗口长度，基于基础窗口长度对最后一个非完整窗口进行动态调整并得到被窗口划分的划分数据，对每一个划分数据进行最大池化操作并通过数据拼接得到压缩为固定长度的压融数据，同时构建动态压缩融合层；

S425、根据压融数据构建全连接层得到分析结果，并基于多元注意力层、双向门空循环层、时序融合层、动态压缩融合层和全连接层构建带有超参数的初始交互处理模型。

5.根据权利要求1所述的一种工业数据交互方法，其特征在于，在S43中，具体实现步骤如下：S431、定义输入向量的搜索空间，将缓存数据划分为训练集和验证集，定义检测阈值，将交叉熵损失函数作为优化参数模型的损失函数，在训练集中提取一个输入数据，并计算相对于训练集的损失值，将输入向量和损失值组成初始数据；

S432、通过最大化边际似然法得到模型参数 和 ，通过高斯过程拟合模型对初始数据进行拟合得到代理模型；

S433、获取输入数据在标准正态分布的积累分布值和概率密度值，根据代理模型得到输入数据的预测均值和标准差，基于损失函数得到训练集的最小损失值，通过预测均值减最小损失值减0.01得到检验差值，根据检验差值乘以积累分布值后加上标准差与概率密度值的积得到采集值，通过L‑BFGS算法对采集值在搜索空间中进行全局优化，将采集值最大的数据点作为更新数据点，与采集值对应的输入向量即为待检验向量；

S434、将待检验向量转换为待检验超参数，替代初始交互处理模型中的超参数得到待检验模型，基于平均绝对误差公式构建检验模型，根据训练集和验证集通过检验模型计算待检验模型的检验值；

S435、根据检验值对待检验模型进行检验并得到优化交互处理模型；

若检验值小于检测阈值，则将当前的待检验模型作为优化交互处理模型；

若检验值大于等于检测阈值，则返回至S431对待检验模型继续优化。

6.根据权利要求1所述的一种工业数据交互方法，其特征在于，所述工业数据交互方法应用于半导体制造、医疗器械行业、智慧水务和冶金行业。

7.一种基于权利要求1至6任一项所述的工业数据交互方法的工业数据交互平台，其特征在于，该平台包括：初步处理模块（1）、预处理模块（2）、缓冲模块（3）、分析预测模块（4）、交互模块（5）和安全模块（6）；

其中，初步处理模块（1），用于采集工业数据交互平台的原始数据，构建基于信噪比感知的双轨自适应处理模型，将原始数据通过双轨自适应处理模型进行处理得到初步处理数据；

预处理模块（2），用于对初步处理数据进行预处理并得到预处理数据；

缓冲模块（3），用于根据预处理数据逐步通过互信息特征选择法和动态序列分割法得到缓存数据，并基于缓存数据构建缓存区；

分析预测模块（4），用于对缓存数据进行滑动窗口分割得到序列数据，根据序列数据构建带有超参数的初始交互处理模型，对初始交互处理模型进行初步优化得到优化交互处理模型，基于优化交互处理模型进行二次优化并得到最优模型，基于最优模型对缓存数据进行预测分析得到分析预测结果；

交互模块（5），用于将分析预测结果传送到工业数据交互中心进而生成交互决策。

8.根据权利要求7所述的一种工业数据交互平台，其特征在于，所述安全模块（6）用于对初步处理模块（1）、预处理模块（2）、缓冲模块（3）、分析预测模块（4）和交互模块（5）处理的数据进行加密签名，通过区块链结束存证数据，结合设备指纹与动态口令进行双因素认证。