1.一种融合多因素的MOS风暴潮过程灾害模拟方法，其特征在于，所述方法包括如下步骤：(1)对热带气旋风暴潮灾害历史过程统计分析，解析出MOS风暴潮模型的特征因素，建立MOS风暴潮模型；所述MOS风暴潮模型包括模型输入值和模型输出值，所述模型输入值包括预报增水Ptidei、路径距离di、移动方向值cos(ai)、最大风度si、移动速度mi、中心气压pi和7级风圈半径ri；所述模型输出值为MOS风暴潮增水Ytidei；

(2)确定特征因素矩阵，将特征因素矩阵作为输入，使用支持向量机学习训练，实现热带气旋风暴潮增水模拟；其中：确定特征因素矩阵的具体方法为：对MOS风暴潮模型的输入提取特征向量组成矩阵λi，即为针对任意时刻i,提取时刻i之前n时刻的特征因素以组成所述特征因素矩阵λi，特征因素矩阵λi如下所示：式中，i为预报的起始时刻，i‑n为预报起始时刻前n历史时刻，n与待预报结果的时长相同，λi为一个n×7维的向量矩阵，λi每一维分别代表模型的一个因素；λi的每一列为某一因素对应从i‑n到i‑1时刻的特征值；

使用支持向量机学习训练时，为了方便风暴潮预报将学习训练起始点i‑j后移到i，训练计算的长度同为j，则可以预报i时刻及其之后的j时段值的风暴潮增水值，具体实现过程为：首先，设置MOS风暴潮模型中权重映射矩阵W和偏差矩阵A；将特征矩阵λt映射到y隐含层空间后得到的隐含层要素矩阵ht，即将特征矩阵λi映射到更高维度的空间隐含层获得隐射后得到H，H如下式所示：其次，MOS风暴潮模型在求解中采用风险最小化的方法，把最优非线性回归估计问题转化为对不敏感损失函数L(y‑h(x),x)进行求解风险最小化的问题，MOS风暴潮模型中使用的最优非线性回归函数是在一定约束条件下最小化规则化不敏感损失函数L逐渐优化逼近实测值来实现,该模型中不敏感损失函数定义如下式所示：上式中w为权重值，h(x)为模型预报输出值，该式表明当模拟结果与实测之差的绝对值小于等于ε时，该部分忽略不计；当模拟结果与实测值之差的绝对值大于ε时，则取值为超出ε的部分值；

最后，在MOS风暴潮模型学习过程中设计最优非线性风险最小化泛函R(c,ε)，如下式所示：该式中m为参与数据集的个数；c为实验常数；w为权重值； 为经验

误差项； 为规则化项，使得函数泛化更为平滑。

2.根据权利要求1所述的一种融合多因素的MOS风暴潮过程灾害模拟方法，其特征在于，预报时长取12h、24h、36h、72h则对应n取值为12、24、36、72。

3.根据权利要求2所述的一种融合多因素的MOS风暴潮过程灾害模拟方法，其特征在于，使用支持向量机学习训练时，以实测增水Xtidei作为输出进行学习训练，设定模拟结果与实测结果之差的绝对值为εi，则相对误差为 给定目标误差10％为评判阈值，若模型预报某时刻值ei≥10％，则该时刻i的MOS模型预报结果为不合格，否则认为时刻i的预报结果为合格。