1.一种基于重介质分选的精煤产品灰分智能调节方法，其特征在于，该方法包括以下步骤：
S1、获取原煤灰分、精煤设定灰分及合格介质密度的历史数据；
S2、重构输入输出样本数据，并对数据进行归一化处理；
S3、基于归一化处理后的历史数据分别训练构建密度给定预测模型及实时灰色密度预测模型；
S4、输入原煤灰分、精煤设定灰分及上一时刻合格介质密度的实时数据，分别得到第一预测密度及第二预测密度；
S5、利用预设置信度对第一预测密度及第二预测密度进行分析处理，并结合逆归一化处理得到最终预测密度；
S6、将在线测灰仪的数据作为反馈量，并结合最终预测密度对实际分选密度进行实时反馈调整，实现产品灰分的精准及智能调节；
其中，所述重构输入输出样本数据，并对数据进行归一化处理包括以下步骤：
S21、读取原煤灰分、精煤设定灰分及合格介质密度的历史数据；
S22、依据经验对历史数据中的密度不合格数据进行剔除，并补齐缺失数据；
S23、利用训练数据集的均值和方差对历史数据进行归一化处理；
其中，所述基于归一化处理后的历史数据分别训练构建密度给定预测模型及实时灰色密度预测模型包括以下步骤：
S31、获取归一化处理后的历史数据，并将其分为训练数据集和测试数据集；
S32、利用最小二乘支持向量机结合训练数据集训练并构建密度给定预测模型；
S33、利用训练数据集训练并构建实时灰色密度预测模型；
S34、利用测试数据集分别对密度给定预测模型及实时灰色密度预测模型进行测试验证，得到训练好的密度给定预测模型及实时灰色密度预测模型。
其中，所述利用最小二乘支持向量机结合训练数据集训练并构建密度给定预测模型包括以下步骤：
S321、利用交叉验证法确定密度给定预测模型的径向基参数和正则化因子；
S322、将训练数据集中的原煤灰分及精煤设定灰分作为输入，合格介质密度作为输出，并结合最小二乘支持向量机进行训练，建立合格介质密度给定值的密度给定预测模型；
其中，所述利用训练数据集训练并构建实时灰色密度预测模型包括以下步骤：
将训练数据集中上一时刻的合格介质密度作为输入，当前时刻的合格介质密度作为输出进行训练，构建实时灰色密度预测模型；
其中，所述实时灰色密度预测模型的公式如下：
式中， 表示第t+mh时刻输出的预测密度，x表示当前时刻的合格介质密度，m表示预测步长，t表示当前时刻，n表示采样次数，h表示采样周期时间，a、b表示灰微分方程中的参数，e表示对数函数中底数，为常数。
2.根据权利要求1所述的一种基于重介质分选的精煤产品灰分智能调节方法，其特征在于，所述基于归一化处理后的历史数据分别训练构建密度给定预测模型及实时灰色密度预测模型还包括以下步骤：
滚动更新历史数据中原煤灰分、精煤设定灰分及合格介质密度的实时数据，并每隔预设时间输入一个时间段内的历史数据对密度给定预测模型及实时灰色密度预测模型进行更新。
3.根据权利要求1所述的一种基于重介质分选的精煤产品灰分智能调节方法，其特征在于，所述输入原煤灰分、精煤设定灰分及上一时刻合格介质密度的实时数据，分别得到第一预测密度及第二预测密度包括以下步骤：
S41、分别获取当前时刻的原煤灰分、当前时刻的精煤设定灰分及上一时刻合格介质密度的实时数据；
S42、将当前时刻的原煤灰分及当前时刻的精煤设定灰分输入密度给定预测模型，利用密度给定预测模型输出得到第一预测密度；
S43、将上一时刻合格介质密度输入实时灰色密度预测模型，利用实时灰色密度预测模型输出得到第二预测密度。
4.根据权利要求3所述的一种基于重介质分选的精煤产品灰分智能调节方法，其特征在于，所述获取当前时刻的原煤灰分时还包括以下步骤：
采用异常检测算法对快速灰分测定仪测量过程中出现的明显异常点进行检测并剔除，并采用自回归模型与滑动平均的方法对灰分进行矫正，最终得到快速灰分测定仪测量的原煤灰分。
5.根据权利要求1所述的一种基于重介质分选的精煤产品灰分智能调节方法，其特征在于，所述利用预设置信度对第一预测密度及第二预测密度进行分析处理，并结合逆归一化处理得到最终预测密度包括以下步骤：
S51、分别获取第一预测密度及第二预测密度，利用预设置信度对第一预测密度及第二预测密度进行分析处理，得到初始预测密度；
S52、对分析得到的初始预测密度进行逆归一化处理得到最终预测密度；
其中，所述初始预测密度＝第一预测密度*R+第二预测密度*(1‑R)，R为预先设定的置信度百分比，其取值范围为60％～90％。
6.一种基于重介质分选的精煤产品灰分智能调节系统，用于权利要求1‑5中任意一项所述的基于重介质分选的精煤产品灰分智能调节方法的步骤，其特征在于，该系统包括数据获取模块、数据处理模块、模型构建模块、预测密度输出模块、预测密度处理模块及产品灰分调节模块；
其中，所述数据获取模块用于获取原煤灰分、精煤设定灰分及合格介质密度的历史数据；
所述数据处理模块用于重构输入输出样本数据，并对数据进行归一化处理；
所述模型构建模块用于基于归一化处理后的历史数据分别训练构建密度给定预测模型及实时灰色密度预测模型；
所述预测密度输出模块用于输入原煤灰分、精煤设定灰分及上一时刻合格介质密度的实时数据，分别得到第一预测密度及第二预测密度；
所述预测密度处理模块用于利用预设置信度对第一预测密度及第二预测密度进行分析处理，并结合逆归一化处理得到最终预测密度；
所述产品灰分调节模块用于将在线测灰仪的数据作为反馈量，并结合最终预测密度对实际分选密度进行实时反馈调整，实现产品灰分的精准及智能调节。