1.一种基于时空网络的雷达回波外推方法，其特征在于，包括以下步骤：获取雷达回波图像序列；

提取所述雷达回波图像序列中的有效时空信息，并存储在记忆缓冲区；

对记忆缓冲区的有效时空信息逐帧对未来的雷达回波图像进行预测。

2.根据权利要求1所述的基于时空网络的雷达回波外推方法，其特征在于，所述获取雷达回波图像序列，具体为：对雷达回波图像进行图像尺寸的处理；

进行样本筛选；

对筛选的样本进行数据归一化处理；

构建雷达回波图像序列。

3.根据权利要求2所述的基于时空网络的雷达回波外推方法，其特征在于，所述提取所述雷达回波图像序列中的有效时空信息，具体为：通过在雷达回波图像序列中计算关键状态来建立跨帧相关性。

4.根据权利要求3所述的基于时空网络的雷达回波外推方法，其特征在于，所述提取所述雷达回波图像序列中的有效时空信息，还包括：对所述关键状态进行时序连续性整合。

5.根据权利要求1～4任一项所述的基于时空网络的雷达回波外推方法，其特征在于，所述对记忆缓冲区的有效时空信息逐帧对未来的雷达回波图像进行预测，具体为：通过多尺度时空上下文信息编码器对有效时空信息上下文信息进行不同尺度特征信息的提取；

将提取的不同尺度特征信息进行融合；

将融合的有效时空信息的上下文信息进一步的融合；

通过进一步融合的信息得到预测结果。

6.根据权利要求5所述的基于时空网络的雷达回波外推方法，其特征在于，还包括：通过进一步融合的信息得到反作用状态；

通过所述反作用状态指引对有效时空信息上下文信息进行不同尺度特征信息的提取及融合。

7.根据权利要求5所述的基于时空网络的雷达回波外推方法，其特征在于，所述通过多尺度时空上下文信息编码器对有效时空信息上下文信息进行不同尺度特征信息的提取，具体为：通过卷积循环神经网络层间的卷积下采样结构中产生三种不同尺寸、不同尺度的时空上下文特征张量。

8.根据权利要求7所述的基于时空网络的雷达回波外推方法，其特征在于，所述将提取的不同尺度特征信息进行融合，具体为：经多尺度卷积循环神经网络获得的多种尺度的时空特征张量后通过带上、下采样结构的时空特征融合模块产生经融合的多尺度时空上下文信息张量。

9.一种基于时空网络的雷达回波外推系统，其特征在于，包括：信息采集单元，获取雷达回波图像序列；

数据处理单元，提取所述雷达回波图像序列中的有效时空信息，并存储在记忆缓冲区；

对记忆缓冲区的有效时空信息逐帧对未来的雷达回波图像进行预测。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任意一项所述的基于时空网络的雷达回波外推方法。