1.一种基于雷达数据的闪电强度识别方法，其特征在于，包括步骤如下：S1,设置闪电强度值分段区间，将闪电强度进行等级划分；

S2,选取数据源，所述数据源包括闪电定位数据和雷达探测数据；

S3,构建闪电所在位置的雷达场数据，并根据闪电等级对雷达场数据进行等级赋值，构建多等级的雷达场数据集，并将多等级雷达场数据集划分为训练集、测试集和验证集；

S4, 利用步骤S3中训练集、测试集和验证集，调整网络模型的参数，以命中率与虚警率作为精度评判标准，构建闪电强度识别模型。

2.根据权利要求1所述的基于雷达数据的闪电强度识别方法，其特征在于，所述步骤S1中，根据闪电强度的绝对值，将闪电强度划分为5个等级，分别为弱闪电、中等强度闪电、较强闪电、强闪电、超强闪电。

3.根据权利要求1所述的基于雷达数据的闪电强度识别方法，其特征在于，所述步骤S3的具体实现过程如下：

S31,将闪电定位数据和雷达探测数据映射到统一的空间坐标系中，以闪电所在位置点为圆心，设定半径，构建雷达场数据；

S32,根据闪电等级构建弱闪电的雷达场数据、中等强度闪电的雷达场数据、较强闪电的雷达场数据、强闪电的雷达场数据和超强闪电的雷达场数据，并分别作对应标签集；

S33,对各等级雷达场数据及其标签集进行标记、封装后得到多等级雷达场数据集；并将多等级雷达场数据集按照设定比例划分为训练集、测试集、验证集。

4.根据权利要求1所述的基于雷达数据的闪电强度识别方法，其特征在于，所述步骤S4中，根据步骤S3中创建的多等级雷达场数据集进行闪电强度识别模型的建立，具体步骤为：S41,构建基于ResNet深度残差网络模型，使用训练集对网络模型进行训练，使用验证集对网络模型进行验证，使用测试集进行网络模型测试；

S42,以命中率与虚警率作为精度评判标准，调整网络模型的学习率、数据批处理规模和损失函数，直至构建出满足精度要求的闪电强度识别模型，最后保存模型。