1.一种细颗粒物污染等级的预测方法，其特征在于，包括：筛选出与细颗粒物相关性符合预设标准的目标分析数据；

根据预设历史时间段内所述细颗粒物的浓度值创建细颗粒物空间分布图；

基于所述目标分析数据及所述细颗粒物空间分布图训练卷积神经网络模型；

利用训练好的所述卷积神经网络模型判定未来预设时间段内所述细颗粒物的污染等级。

2.根据权利要求1的方法，其特征在于，所述筛选出与细颗粒物相关性符合预设标准的目标分析数据，具体包括：收集所述预设历史时间段内的所有环境指标数据并创建特征画像；

从所述特征画像中筛选出与所述细颗粒物相关性大于或等于第一预设阈值的第一环境指标；

计算各个所述第一环境指标对应环境数据的饱和度；

将所述饱和度大于或等于第二预设阈值的所述第一环境指标确定为第二环境指标；

基于非监督学习的聚类算法填充所述第二环境指标中数据异常的环境数据，以便获取得到数据完整的所述目标分析数据。

3.根据权利要求2的方法，其特征在于，所述根据预设历史时间段内所述细颗粒物的浓度值创建细颗粒物空间分布图，具体包括：获取预设历史时间段内各个时间点对应的细颗粒物浓度值；

绘制所述细颗粒物浓度值的散点图；

基于克里格插值法在所述散点图的基础上创建细颗粒物空间分布图；

所述基于克里格插值法在所述散点图的基础上创建细颗粒物空间分布图，具体包括：从所述散点图中筛选出落在预设搜索范围内的目标数据点；

确定所述目标数据点对应空间变化的数学函数；

依据所述数学函数为落在规则格网单元上的数据点赋值，以便获取得到细颗粒物空间分布图。

4.根据权利要求3的方法，其特征在于，所述基于所述目标分析数据及所述细颗粒物空间分布图训练卷积神经网络模型，具体包括：确定所述细颗粒物空间分布图中包含的各个污染等级，并配置等级标签；

将所述目标分析数据中的各类环境指标数据及所述细颗粒物空间分布图输入初始卷积神经网络模型中，提取所述各类环境指标数据与所述各个污染等级的特征向量；

依据所述特征向量确定各个环境指标对应污染等级的判定规则；

获取各个所述环境指标依据所述判定规则确定出的第一细颗粒物污染等级；

将级别最大的所述第一细颗粒物污染等级确定为预估细颗粒物污染等级；

匹配所述预估细颗粒物污染等级与实际配置的污染等级；

若确定所述污染等级的匹配正确率大于或等于第三预设阈值，则判定所述初始卷积神经网络模型通过训练；

若确定所述污染等级的匹配正确率小于所述第三预设阈值，则判定所述初始卷积神经网络模型未通过训练，则更新各个所述环境指标的判定规则，以使所述初始目标检测模型通过训练。

5.根据权利要求4的方法，其特征在于，所述获取各个所述环境指标依据所述判定规则确定出的第一细颗粒物污染等级，具体包括：获取所述环境指标对应的环境数据；

基于探测分类概率计算所述环境数据对应各个污染等级的类别概率；

将对应所述类别概率最大的污染等级确定为根据所述环境指标判定出的第一细颗粒物污染等级。

6.根据权利要求5的方法，其特征在于，所述利用训练好的所述卷积神经网络模型判定未来预设时间段内所述细颗粒物的污染等级，包括：将实时环境数据输入到训练好的卷积神经网络模型中；

获取由不同环境指标数据确定出的各个第二细颗粒物污染等级；

将级别最大的所述第二细颗粒物污染等级确定为未来预设时间段内细颗粒物的污染等级。

7.根据权利要求6的方法，其特征在于，在所述利用训练好的所述卷积神经网络模型判定未来预设时间段内所述细颗粒物的污染等级之后，具体还包括：输出所述细颗粒物的污染等级；

若根据所述污染等级判定存在细颗粒物污染，则输出报警信息。

8.一种细颗粒物污染等级的预测装置，其特征在于，包括：筛选模块，用于筛选出与细颗粒物相关性符合预设标准的目标分析数据；

创建模块，用于根据预设历史时间段内所述细颗粒物的浓度值创建细颗粒物空间分布图；

训练模块，用于基于所述目标分析数据及所述细颗粒物空间分布图训练卷积神经网络模型；

判定模块，用于利用训练好的所述卷积神经网络模型判定未来预设时间段内所述细颗粒物的污染等级。

9.一种非易失性可读存储介质，其上存储有计算机程序，其特征在于，程序被处理器执行时实现权利要求1至7中任一项的细颗粒物污染等级的预测方法。

10.一种计算机设备，包括非易失性可读存储介质、处理器及存储在非易失性可读存储介质上并可在处理器上运行的计算机程序，其特征在于，处理器执行程序时实现权利要求1至7中任一项的细颗粒物污染等级的预测方法。