1.一种转炉钢水温度预测方法，其特征在于，包括：
获取转炉冶炼数据和副枪探测的实际温度数据，将转炉冶炼数据和实际温度数据保存至数据库；
在冶炼过程中定期获取热成像仪采集的炉口的火焰温度矩阵；
将所述火焰温度矩阵输入预先训练的神经网络模型，神经网络模型输出预测温度；
所述神经网络模型的训练方法包括：
利用预先构建的碳温机理模型基于数据库中的冶炼数据计算理论温度；
将所述理论温度与实际温度数据合并做数据增强处理，并将增强后的数据作为训练集的输出数据；
将历次采集的火焰温度矩阵作为训练集的输入数据；
利用预先构建的碳温机理模型基于数据库中的冶炼数据计算理论温度，包括：
构建碳温机理模型，通过对转炉炼钢过程中实时热平衡计算，得到熔池温度随时间的变化率：
式中： 为冲击坑元素氧化反应化学热向钢液传递的热量，单位为 ； 为渣金元素氧化反应热，单位为 ； 为炉内氧化物的成渣热，单位为 ； 为石灰的溶解热，单位为 ； 为废钢的溶解热，单位为 ； 为矿石及其他渣料的分解吸热，单位为 ；
为熔池液面向炉内的辐射热、通过炉壳向大气的散热、从炉内液面和炉壁向炉内气体传递的热量，单位为即总热量损失， ； 为钢液质量，单位为 ； 为熔渣质量，单位为kg；
为钢液热容，单位为 ； 为钢渣热容，单位为 ； 为炉内未熔化
固体所含的总热量，单位为 ；
开始吹氧前，将处于不同温度的原料装入转炉内，原料间相互传递热量，根据热平衡计算出吹氧时熔池的初始温度为：
式中： 为铁水质量，单位为 ； 为石灰质量，单位为 ； 为石灰质量，单位为 ； 为石灰石质量，单位为 ； 为矿石质量，单位为 ； 为铁水热容，单位为 ； 为废钢热容，单位为 ； 为石灰热容，单位为
； 为石灰石热容，单位为 ； 为矿石热容，单位为
； 为铁水的温度，单位为 ； 为大气温度，单位为 ；
根据熔池温度随时间的变化率和初始温度，可得熔池温度 随时间的变化：
式中： 为单位时间；
根据热成像仪的数据采集周期，确定热成像仪采集数据的多个时间节点；
利用所述碳温机理模型依次计算各时间节点对应的熔池温度，并将熔池温度按时间节点先后排列为熔池温度数组。
2.根据权利要求1所述的方法，其特征在于，获取转炉冶炼数据和副枪探测的实际温度数据，将转炉冶炼数据和实际温度数据保存至数据库，包括：
采集转炉冶炼数据，所述转炉冶炼数据包括入炉前的金属原料含量、铁水入炉温度、废钢重量、氧枪实时枪位、实时吹氧压力、辅料量；
采集副枪在吹氧过程中探测的实际温度数据；
将冶炼数据标记冶炼时间后保存至数据库，将实际温度数据标记采集时间后保存至数据库。
3.根据权利要求1所述的方法，其特征在于，在冶炼过程中定期获取热成像仪采集的炉口的火焰温度矩阵，包括：
利用切片操作将火焰温度矩阵切除多余的背景区域，留取炉口附近区域；
对截取的图像进行归一化处理和高斯滤波处理。
4.一种转炉钢水温度预测系统，其特征在于，包括：
数据获取模块，用于获取转炉冶炼数据和副枪探测的实际温度数据，将转炉冶炼数据和实际温度数据保存至数据库；
图像采集模块，用于在冶炼过程中定期获取热成像仪采集的炉口的火焰温度矩阵；
温度预测模块，用于将所述火焰温度矩阵输入预先训练的神经网络模型，神经网络模型输出预测温度；
所述神经网络模型的训练方法包括：
利用预先构建的碳温机理模型基于数据库中的冶炼数据计算理论温度；
将所述理论温度与实际温度数据合并做数据增强处理，并将增强后的数据作为训练集的输出数据；
将历次采集的火焰温度矩阵作为训练集的输入数据；
利用预先构建的碳温机理模型基于数据库中的冶炼数据计算理论温度，包括：
构建碳温机理模型，通过对转炉炼钢过程中实时热平衡计算，得到熔池温度随时间的变化率：
式中： 为冲击坑元素氧化反应化学热向钢液传递的热量，单位为 ； 为渣金元素氧化反应热，单位为 ； 为炉内氧化物的成渣热，单位为 ； 为石灰的溶解热，单位为 ； 为废钢的溶解热，单位为 ； 为矿石及其他渣料的分解吸热，单位为 ；
为熔池液面向炉内的辐射热、通过炉壳向大气的散热、从炉内液面和炉壁向炉内气体传递的热量，单位为即总热量损失， ； 为钢液质量，单位为 ； 为熔渣质量，单位为kg；
为钢液热容，单位为 ； 为钢渣热容，单位为 ； 为炉内未熔化
固体所含的总热量，单位为 ；
开始吹氧前，将处于不同温度的原料装入转炉内，原料间相互传递热量，根据热平衡计算出吹氧时熔池的初始温度为：
式中： 为铁水质量，单位为 ； 为石灰质量，单位为 ； 为石灰质量，单位为 ； 为石灰石质量，单位为 ； 为矿石质量，单位为 ； 为铁水热容，单位为 ； 为废钢热容，单位为 ； 为石灰热容，单位为
； 为石灰石热容，单位为 ； 为矿石热容，单位为
； 为铁水的温度，单位为 ； 为大气温度，单位为 ；
根据熔池温度随时间的变化率和初始温度，可得熔池温度 随时间的变化：
式中： 为单位时间；
根据热成像仪的数据采集周期，确定热成像仪采集数据的多个时间节点；
利用所述碳温机理模型依次计算各时间节点对应的熔池温度，并将熔池温度按时间节点先后排列为熔池温度数组。
5.根据权利要求4所述的系统，其特征在于，所述数据获取模块包括：
数据采集单元，用于采集转炉冶炼数据，所述转炉冶炼数据包括入炉前的金属原料含量、铁水入炉温度、废钢重量、氧枪实时枪位、实时吹氧压力、辅料量；
温度探测单元，用于采集副枪在吹氧过程中探测的实际温度数据；
数据保存单元，用于将冶炼数据标记冶炼时间后保存至数据库，将实际温度数据标记采集时间后保存至数据库。
6.根据权利要求4所述的系统，其特征在于，所述图像采集模块包括：
图像截取单元，用于利用切片操作将火焰温度矩阵切除多余的背景区域，留取炉口附近区域；
图像处理单元，用于对截取的图像进行归一化处理和高斯滤波处理。
7.一种终端，其特征在于，包括：
存储器，用于存储转炉钢水温度预测程序；
处理器，用于执行所述转炉钢水温度预测程序时实现如权利要求1‑3任一项所述转炉钢水温度预测方法的步骤。
8.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述可读存储介质上存储有转炉钢水温度预测程序，所述转炉钢水温度预测程序被处理器执行时实现如权利要求1‑3任一项所述转炉钢水温度预测方法的步骤。