技术特征：
1.预测酒糟成分的方法，其特征在于，包括以下步骤：s01、采集酒糟样品光谱数据；s02、利用模型m对光谱数据进行训练，得到水分含量；s03、将所述光谱数据和水分含量组成新的数据，利用模型m1进行训练，所述模型m1用于计算淀粉含量，获得预测淀粉含量；s04、将所述光谱数据和预测淀粉含量组成新的数据，利用模型m2进行训练，获得预测水分含量。2.根据权利要求1所述的预测酒糟成分的方法，其特征在于，步骤s02中，所述模型m的建立方法包括以下步骤：s201、采集多个酒糟样品光谱数据，并分别使用化学分析方法得到训练集酒糟样品的水分含量和淀粉含量；s202、将水分含量作为标定值，光谱数据作为响应数据，利用步骤s201中的酒糟样品光谱数据、水分含量和淀粉含量进行数学建模，得到光谱模型m。3.根据权利要求1或2所述的预测酒糟成分的方法，其特征在于，步骤s03中所述的模型m1和步骤s04中所述的模型m2的建立方法包括以下步骤：s301、采集多个酒糟样品光谱数据，并分别使用化学分析方法得到训练集酒糟样品的水分含量和淀粉含量；s302、将酒糟样品的水分含量作为标定值，淀粉含量和光谱数据作为响应数据，进行数学建模，得到光谱模型m'；s303、将酒糟样品的淀粉含量和光谱数据一一对应结合，组成新的数据，利用m'进行训练，获得新的水分含量；s304、将酒糟样品的淀粉含量作为标定值，新的水分含量和光谱数据作为响应数据，进行数学建模，得到光谱模型m11；s305、将新的水分含量和光谱数据一一对应结合，组成新的数据，利用m11进行训练，得到新的淀粉含量；s306、将水分含量作为标定值，新的淀粉含量和光谱数据作为响应数据，进行数学建模，得到光谱模型m21；s307、将新的淀粉含量和光谱数据一一对应结合，组成新的数据，利用m21进行训练，获得新的水分含量；s308、n次重复步骤s304至s307后，获得m1
n+1
和m2
n+1
；s309、m1＝m1
n+1
，m2＝m2
n+1
。4.根据权利要求1或2所述的预测酒糟成分的方法，其特征在于，步骤s01中，所述光谱数据是多个波长点上的光强数值。