1.一种基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法，其特征在于，该方法包括以下步骤：
步骤一、滑窗窗口宽度设定：通过与数据处理设备(2)连接的参数输入单元，对滑窗的窗口宽度n进行设定；其中，n表示所述滑窗内所包括采煤机调高数据组的数量，n为正整数且n＝6～8；
每个所述采煤机调高数据组均为采用采煤机(1)对待开采煤层的一个工作面进行开采过程中的采煤机调高数据组，每个所述采煤机调高数据组均包括对所述待开采煤层进行一刀割煤过程中m个截割位置处的滚筒截割姿态数据，其中m为正整数且m≥5；m个所述截割位置沿工作面长度方向由前至后进行排列；每个截割位置处的滚筒截割姿态数据均为该截割位置处采煤机(1)的截割滚筒(1-1)的三维坐标数据，所述截割滚筒(1-1)的三维坐标数据中Z轴坐标数据为滚筒高度数据；
步骤二、煤层初步开采及滚筒截割姿态数据记录：采用采煤机(1)且沿工作面推进方向由后向前对所述待开采煤层进行开采，并完成所述待开采煤层的前n个工作面的开采过程；
采用采煤机(1)对任一个所述工作面进行割煤过程中，均采用数据处理设备(2)对m个截割位置处的滚筒截割姿态数据进行记录，获得该工作面开采过程中的所述采煤机调高数据组，并采用数据处理设备(2)将该工作面开采过程中的所述采煤机调高数据组同步存储至预先建立的采煤机调高数据库内；所述采煤机调高数据库内按照开采先后顺序由前至后存储有所述待开采煤层中当前已完成开采的所有工作面开采过程中的所述采煤机调高数据组；
步骤三、煤层后续开采及调高轨迹预测：采用采煤机(1)且沿工作面推进方向由后向前对所述待开采煤层继续进行开采；
每一个所述工作面开采之前，均先对该工作面的采煤机调高轨迹进行预测，过程如下：
步骤301、滑窗内数据序列获取：采用数据处理设备(2)从所述采煤机调高数据库内获取当前工作面后侧的n个工作面开采过程中的所述采煤机调高数据组；所获取的n个所述采煤机调高数据组中的所述滚筒高度数据组成滑窗内数据序列，每个所述采煤机调高数据组中的所述滚筒高度数据均组成一个滚筒高度数据组；所述滑窗内数据序列中的n个所述滚筒高度数据组按照开采先后顺序由前至后排列，每个所述滚筒高度数据组中均包括m个截割位置处的所述滚筒高度数据；
所述滑窗内数据序列记作X(0)；X(0)＝(x(0)(1),x(0)(2),x(0)(3),...,x(0)(n))，其中x(0)(k)为所述滑窗内数据序列中的第k个所述滚筒高度数据组，其中k为正整数且k＝1、2、
3、…、n；x(0)(k)中的第h个所述滚筒高度数据记作x(0)(k,h)，其中h为正整数且h＝1、2、
3、…、m；
步骤302、滚筒高度初步预测：采用数据处理设备(2)且调用灰色预测模型构建模块，对步骤301中所获取的所述滑窗内数据序列进行处理，建立灰色预测模型；再根据所建立的所述灰色预测模型，采用数据处理设备(2)处理得出所述待开采煤层的n+1个所述工作面开采过程中的滚筒高度初步预测结果；
其中，第k'个所述工作面开采过程中的滚筒高度初步预测结果记作 k'为正整数且k'＝1、2、3、…、n、n+1； 中包括m个滚筒高度初步预测值；
所得出的前n个所述工作面开采过程中的滚筒高度初步预测结果组成滑窗内预测数据序列，所述滑窗内预测数据序列中的n个所述滚筒高度初步预测结果按照开采先后顺序由前至后排列；所述滑窗内预测数据序列记作
中的第k个所述滚筒高度初步预测结果记作 中的第h个所述滚筒高度初步预测值记作
第n+1个所述工作面开采过程中的滚筒高度初步预测结果记作 为
采用采煤机(1)对当前工作面进行开采过程中的所述滚筒高度初步预测结果； 中的第h个所述滚筒高度初步预测值记作
步骤303、滚筒高度初步预测结果修正，过程如下：
步骤3031、建立预测残差的马尔可夫链：采用数据处理设备(2)且调用差值运算模块，对步骤301中所述滑窗内数据序列与步骤302中所述滑窗内预测数据序列进行差值运算，得出预测残差的马尔可夫链；
所述预测残差的马尔可夫链，记作 为所述预测残差的马尔
可夫链中的第k组预测残差， 中包括m个截割位置处的预测残差， 中第h个截割位置处的预测残差记作
步骤3032、马尔可夫预测：采用数据处理设备(2)且调用马尔科夫预测算法模块对步骤
3031中所述预测残差的马尔可夫链进行处理，预测出所述预测残差的马尔可夫链中的第n+
1组预测残差
中包括m个截割位置处的预测残差， 中第h个截割位置处的预测残差记作
步骤3033、滚筒高度预测数据组计算：根据步骤302中所述的 和步骤3032中所述的 采用数据处理设备(2)计算得出当前工作面开采过程中的滚筒高度预测数据组
中包括当前工作面开采过程中m个截割位置处的滚筒高度预测值， 中
第h个截割位置处的滚筒高度预测值记作
步骤3034、采煤机调高数据组获取：根据步骤3033中所述的当前工作面开采过程中的滚筒高度预测数据组 并结合当前工作面开采过程中m个截割位置处截割滚筒(1-
1)的平面位置信息，采用数据处理设备(2)得出当前工作面开采过程中的所述采煤机调高数据组，所得出的所述采煤机调高数据组中包括当前工作面开采过程中m个截割位置处的滚筒截割姿态数据；每个截割位置处的滚筒截割姿态预测数据均为预测出的该截割位置处的滚筒截割姿态数据；
步骤304、调高轨迹获取：所述数据处理设备(2)根据步骤3034中得出的当前工作面开采过程中的所述采煤机调高数据组，获得当前工作面的采煤机调高轨迹；
步骤三中采用采煤机(1)对任一个所述工作面进行割煤过程中，均采用数据处理设备(2)对m个截割位置处的滚筒截割姿态数据进行记录，获得该工作面开采过程中的所述采煤机调高数据组，并采用数据处理设备(2)将该工作面开采过程中的所述采煤机调高数据组同步存储至预先建立的采煤机调高数据库内。
2.按照权利要求1所述的基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法，其特征在于：步骤301中所述当前工作面后侧的n个工作面为所述待开采煤层中n个连续布设的工作面，n个所述工作面中位于最前侧的工作面为与所述当前工作面相邻的前一个所述工作面。
3.按照权利要求1或2所述的基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法，其特征在于：步骤3034中得出当前工作面开采过程中的所述采煤机调高数据组后，再采用数据处理设备(2)将得出的所述采煤机调高数据组存储至所述采煤机调高数据库内。
4.按照权利要求1或2所述的基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法，其特征在于：步骤3034中得出当前工作面开采过程中的所述采煤机调高数据组后，根据所得出的所述采煤机调高数据组，采用采煤机(1)对所述待开采煤层的当前工作面进行开采；
采用采煤机(1)对当前工作面进行割煤过程中，采用数据处理设备(2)对m个截割位置处的滚筒截割姿态数据进行记录，所记录的m个截割位置处的滚筒截割姿态数据组成当前工作面开采过程中的所述采煤机调高数据组，并采用数据处理设备(2)将此时获得的当前工作面开采过程中的所述采煤机调高数据组同步存储至预先建立的采煤机调高数据库内。
5.按照权利要求1或2所述的基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法，其特征在于：步骤304中进行调高轨迹获取时，根据步骤3034中得出的当前工作面开采过程中的所述采煤机调高数据组，采用数据处理设备(2)且调用曲线拟合模块拟合出当前工作面开采过程中的采煤机调高轨迹。
6.按照权利要求1或2所述的基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法，其特征在于：步骤一、步骤二和步骤三中所述截割位置均为截割高度采集位置；
所述待开采煤层的任一个所述工作面开采过程中的m个所述截割高度采集位置分别位于该工作面的相邻已开采工作面开采过程中m个所述截割高度采集位置的正前方，该工作面的相邻已开采工作面为位于该工作面后侧且与该工作面相邻的工作面；
步骤三中当前工作面开采过程中的m个所述截割高度采集位置分别位于当前工作面的相邻已开采工作面开采过程中m个所述截割高度采集位置的正前方，当前工作面的相邻已开采工作面为位于当前工作面后侧且与当前工作面相邻的工作面。
7.按照权利要求1或2所述的基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法，其特征在于：步骤一、步骤二和步骤三中所述截割位置均为截割高度采集位置；
步骤一中进行滑窗窗口宽度设定之前，先以所述待开采煤层的工作面长度方向为X轴、所述待开采煤层的工作面推进方向为Y轴且以竖直方向为Z轴建立三维空间直角坐标系；
每个所述采煤机调高数据组中m个所述滚筒截割姿态数据的Y轴坐标数据均相同；
所述采煤机调高数据库内的所有采煤机调高数据组中第k个所述滚筒截割姿态数据的X轴坐标数据均相同。
8.按照权利要求1或2所述的基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法，其特征在于：步骤一、步骤二和步骤三中m个所述截割位置均按照工作面长度方向由后向前进行布设；
步骤302中所述灰色预测模型为无偏灰色预测模型；
步骤302中进行灰色预测模型建立之前，先根据步骤301中所述滑窗内数据序列，采用数据处理设备(2)获取m个所述截割位置的截割高度数据序列；每个所述截割位置的截割高度数据序列均包括n个所述滚筒高度数据，n个所述滚筒高度数据按照开采先后顺序由前至后进行排列；
其中，m个所述截割位置中第h个所述截割位置的截割高度数据序列记作
由所述滑窗内数据序列中n个所述滚筒高度数据组的第h个所述滚筒高度数据组成，步骤302中处理得出的n+1个所述工作面开采过程中的滚筒高度初步预测结果由m个所述截割位置的截割高度初步预测结果组成；每个所述截割位置的截割高度初步预测结果均包括n+1个所述滚筒高度初步预测值，n+1个所述滚筒高度初步预测值按照开采先后顺序由前至后进行排列；
m个所述截割位置中第h个所述截割位置的截割高度初步预测结果记作
由m个所述截割位置的截割高度初步预测结果中第k'个所述滚筒高度初步预测值组成；
步骤302中进行滚筒高度初步预测时，采用数据处理设备(2)对m个所述截割位置的截割高度初步预测结果分别进行预测；m个所述截割位置的截割高度初步预测结果的预测方法均相同；
对m个所述截割位置中第h个所述截割位置的截割高度初步预测结果进行预测时，先采用数据处理设备(2)且调用灰色预测模型构建模块，对 进行处理，并根据处理结果建立无偏灰色预测模型，过程如下：
步骤3021、灰生成：调用灰生成算法模块，对 进行灰生成，获得 的生成数据序列x(1)(h)；
其中，x(1)(h)＝(x(1)(1,h),x(1)(2,h),x(1)(3,h),...,x(1)(n,h))；所述生成数据序列x(1) (1) (1)
(h)中包括n个生成数据，所述生成数据序列x (h)中的第k个所述生成数据记作x (k,h)；
步骤3022、紧邻均值序列生成：调用紧邻均值序列生成模块，对步骤3021中所述生成数据序列 进行处理，生成所述生成数据序列 的紧邻均值序列Z(1)(h)；其中Z(1)(h)＝(z(1)(2,h),z(1)(3,h),...,z(1)(n,h))；
所述紧邻均值序列Z(1)中包括n-1个紧邻均值，所述紧邻均值序列Z(1)中的第s-1个所述紧邻均值记作z(1)(s,h)，z(1)(s,h)＝0.5x(1)(s,h)+0.5x(1)(s-1,h)；其中，x(1)(s,h)为所述生成数据序列x(1)(h)中的第s个所述生成数据，x(1)(s-1,h)为所述生成数据序列x(1)(h)中的第s-1个所述生成数据；其中，s为正整数且s＝2、3、…、n；
步骤3023、无偏灰色预测模型的二级参数求解：调用二级参数求解模块，对所建立无偏灰色预测模型的四个二级参数C、D、E和F分别进行求解；
其中， x
(0)(s,h)为 中的第s个所述滚筒高度数据；
步骤3024、无偏灰色预测模型的一级参数求解：根据步骤3023中求解出的所建立灰色预测模型的四个二级参数C、D、E和F，调用一级参数求解模块，对所建立灰色预测模型的两个一级参数a和b分别进行求解；
其中，
步骤3025、无偏灰色参数求解：根据步骤3024中求解出的所建立无偏灰色预测模型的两个一级参数a和b，调用无偏灰色参数求解模块，对所建立灰色预测模型的两个无偏灰色参数α和β分别进行求解；
其中，
步骤3026、无偏灰色预测模型建立：根据步骤3025中求解出的所建立无偏灰色预测模型的两个无偏灰色参数α和β，调用无偏灰色预测模型建立模块，建立无偏灰色预测模型；所建立的无偏灰色预测模型为： 其中，x(0)(1,h)为
中的第1个所述滚筒高度数据，k″为正整数且k″≥1；
步骤3026中建立所述无偏灰色预测模型后，采用数据处理设备(2)且根据所建立的所述无偏灰色预测模型，获得m个所述截割位置中第h个所述截割位置的截割高度初步预测结果 其中， 中的第g个所述滚筒高度初步预测值
g为正整数且g＝1、2、3、…、n+1。
9.按照权利要求1或2所述的基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法，其特征在于：步骤3031中所述预测残差的马尔可夫链中包括m×h个所述预测残差；
步骤3032中采用数据处理设备(2)且调用马尔科夫预测算法模块对步骤3031中所述预测残差的马尔可夫链进行处理时，过程如下：
步骤30321、状态划分：根据步骤3031中所述预测残差的马尔可夫链中的m×h个所述预测残差，采用数据处理设备(2)对所述预测残差的状态进行划分，获得所述预测残差的J个状态；所述预测残差的J个状态中的第j个状态记作状态j，其中J为正整数且J≥3，j为正整数且j＝1、…、J；
步骤30322、一步转移概率矩阵计算：根据步骤3031中所述预测残差的马尔可夫链中m×h个所述预测残差，采用数据处理设备(2)且调用一步转移概率矩阵模块，计算得出所述预测残差的一步转移概率矩阵；
所述一步转移概率矩阵为J阶方阵，所述一步转移概率矩阵中的第i行第j数据记作Pij，其中Pij为所述预测残差由状态i转移至状态j的转移概率；i为正整数且i＝1、…、J；
步骤30323、马尔可夫预测：采用数据处理设备(2)对第n+1组预测残差 中m个截割位置处的预测残差分别进行预测，第n+1组预测残差 中m个截割位置处预测残差的预测方法均相同；
其中，对 中第h个截割位置处的预测残差 进行预测时，包括以下步骤：
步骤A1、根据步骤一中所述预测残差的马尔可夫链，获得第n组预测残差 中第h个截割位置处的预测残差
步骤A2、根据步骤30321中所述预测残差的J个状态划分结果，对步骤A1中所述预测残差 的状态进行判断，得出所述预测残差 的状态；
所述预测残差 的状态记作状态i'，其中i'为正整数且i'＝1、…、J；
步骤A3、根据步骤A2中判断得出的所述预测残差 的状态i'，并结合步骤30322中所述一步转移概率矩阵，得出所述预测残差 的最大转移概率；
所述预测残差 的最大转移概率记作Pi'j'，Pi'j'为所述一步转移概率矩阵中的第i'行第j'列数据，其中j'为正整数且j'＝1、2、…、J；
步骤A4、根据步骤A3中得出的所述预测残差 的最大转移概率Pi'j'，得出所述预测残差 的状态；
所述预测残差 的状态为状态j'；
步骤A5、根据步骤A4中得出的所述预测残差 的状态j'，并结合步骤30321中所述预测残差的J个状态划分结果，得出所述预测残差
10.按照权利要求9所述的基于滑窗与灰色马尔可夫链的采煤机调高轨迹预测方法，其特征在于：步骤30321进行状态划分时，先找出m×h个所述预测残差中的最大值和最小值，所找出的最大值为预测残差最大值且其记作 所找出的最小值为预测残差最大值且其记作 再从区间 中选取J-1个数值，所选取的J-1个数值组成状态划分端点
数据列，所述状态划分端点数据列中的J-1个数值按照数值从小到大的顺序由前至后进行排列，所述状态划分端点数据列中的第j″个数值记作 再利用所选取的J-1个数值将区间划分为J个区间，划分好的J个区间为分别为所述预测残差的J个状态的状态区间；其中，j″为正整数且j″＝1、2、…、J-1；
J个所述区间中的第j个区间为状态j的状态区间；状态j的状态区间的两个端点值分别记作 和 且 当j＝1时， 当2≤j≤J时， 当j＝
J时， 当1≤j≤J-1时，
步骤30322中所述的 其中mj为m×h个所述预测残差中位于状态j的状态区间内的所有预测残差的总数量，mi为m×h个所述预测残差中位于状态i的状态区间内的所有预测残差的总数量；
步骤A2中对步骤A1中所述预测残差 的状态进行判断时，根据所述预测残差所处的状态区间，对所述预测残差 的状态进行判断；所述预测残差 位于
状态i'的状态区间内；
步骤A3中所述预测残差 的最大转移概率Pi'j'为所述一步转移概率矩阵的第i'行数据中数值最大的数据；
步骤A5中所述预测残差 其中 和 为状态j'的状态区
间的两个端点值，且