1.一种基于LSTM网络的北斗导航系统短时降雨预测方法，其特征在于，包括如下步骤：步骤1、以一小时为间隔获取观测点的历史大气可降雨量数据，并通过季节性自回归积分滑动平均模型进行处理，从而将大气可降雨量数据按雨季和非雨季进行季节性划分；

步骤2、构建一个LSTM网络预测模型，并将步骤1中得到的雨季的大气可降雨量数据和非雨季的大气可降雨量数据分别作为输入训练LSTM网络预测模型；

步骤3、获取观测点实时的大气可降雨量数据，并输入至预训练的LSTM网络预测模型中从而输出该站点一小时后的降雨概率预测值；

步骤4、将若干单个站点的降雨概率预测值根据空间信息转化为图结构，并将图结构转化为邻接矩阵，将邻接矩阵重新输入至预训练的LSTM网络预测模型中，得到以图形式呈现的网络化预测结果；

步骤5、利用多线性拟合算法从网络化预测结果中提取任意位置的预测值；

步骤6、采用距离加权策略对任意位置的预测值进行加权处理，得到最终预测结果并输出。

2.根据权利要求1所述的一种基于LSTM网络的北斗导航系统短时降雨预测方法，其特征在于，所述步骤1中，季节性自回归积分滑动平均模型的数学表达式如下：；

其中，参数是非季节自回归阶数，是非季节移动平均阶数，d是一步差分次数，是季节自回归阶数，是季节移动平均阶数，是季节差分次数，是季节/周期长度，为延迟算子，为季节性延迟算子,是时间t的观察值，为白噪声项，和是延迟多项式算子。

3.根据权利要求2所述的一种基于LSTM网络的北斗导航系统短时降雨预测方法，其特征在于，所述季节性自回归积分滑动平均模型划分大气可降雨量数据的方法为：确定数据中的季节周期，并确定季节性自回归阶数、季节移动平均阶数和季节差分次数，通过对大气可降雨量数据进行季节性差分，使数据在季节性周期上变得平稳，结合非季节性部分的自回归阶数和移动平均项，建立完整的季节性自回归积分滑动平均模型，利用该模型对数据进行季节性分解，提取季节性成分并分析其波动特征，根据季节性成分的分布特征，设定合理的阈值来划分雨季和非雨季。

4.根据权利要求1所述的一种基于LSTM网络的北斗导航系统短时降雨预测方法，其特征在于，所述LSTM网络预测模型包括输入门、遗忘门、记忆细胞和输出门，所述遗忘门使用sigmoid激活函数来确定每个单元状态的保留程度，其数学表达式为：；

其中，是第个时间步的遗忘门输出，是sigmoid函数，是遗忘门的权重矩阵，是前一个时间步的隐藏状态，是当前时间步的输入，，是遗忘门的偏置项；

输入门包括sigmoid层和tanh层，所述输入门用于决定哪些新信息将被存储在单元状态中，其数学表达式如下：；

；

其中,是第  个时间步的输入门输出，是第个时间步的候选单元状态，和分别是输入门和候选单元状态的权重矩阵，和分别是输入门和候选单元状态的偏置项；

记忆细胞是LSTM网络的记忆部分，其数学表达式如下：；

其中，是第个时间步的单元状态，是前一个时间步的单元状态，和分别是遗忘门和输入门的输出；

输出门决定隐藏状态的值，所述隐藏状态是单元状态的信息和当前时间步的任务相关的输出，所述输出门的数学表达式为：；

；

其中，是第个时间步的输出门输出，是第个时间步的隐藏状态，是输出门的权重矩阵，是输出门的偏置项。

5.根据权利要求1所述的一种基于LSTM网络的北斗导航系统短时降雨预测方法，其特征在于，所述步骤3中，观测点实时大气可降雨量数据的获取方法为：步骤3-1、通过北斗获取观测点上空的观测数据，所述观测数据包括对流层总延迟和对流层静力学延迟；

步骤3-2、根据对流层总延迟和对流层静力学延迟计算得到对流层湿延迟，表达式如下：；

其中，和分别为对流层总延迟和对流层静力学延迟；

步骤3-3、根据大气可降雨量和对流层湿延迟的对应关系计算大气可降雨量，具体公式表示如下：；

其中，Π是一个无量纲的转换因子。

6.根据权利要求5所述的一种基于LSTM网络的北斗导航系统短时降雨预测方法，其特征在于，所述无量纲的转换因子的计算方法如下：；

式中，ρw代表液态水蒸汽密度；Rw是水蒸气比气体常数；Tm表示大气加权平均温度。

7.根据权利要求5所述的一种基于LSTM网络的北斗导航系统短时降雨预测方法，其特征在于，所述空间信息包括观测点的经纬度、风向、风速。

8.根据权利要求7所述的一种基于LSTM网络的北斗导航系统短时降雨预测方法，其特征在于，所述步骤4中，转化为图结构的方法为：将站点之间的地理距离作为边的权重、各个站点的预测结果作为顶点的权重构建图结构。

9.根据权利要求8所述的一种基于LSTM网络的北斗导航系统短时降雨预测方法，其特征在于，将所述图结构转化为邻接矩阵的方法为：；

式中，表示第i个和第j个监测站之间的相关性系数，表是两个监测站之间的距离，和分别为和方向的扩散参数。

10.根据权利要求1所述的一种基于LSTM网络的北斗导航系统短时降雨预测方法，其特征在于，所述多线性拟合算法，具体公式如下：；

式中，y表示任意位置的预测值，包括监测站地理位置、风向、风速，是模型参数，表示模型误差项。

11.根据权利要求10所述的一种基于LSTM网络的北斗导航系统短时降雨预测方法，其特征在于，所述步骤6的具体方法为：给定一组数据点，则权重可通过以下公式表示：

；

其中，表示监测站的空间位置，表示该测站的预测值，是第i个数据点与预测位置的距离,是标准差，对于数值型预测，预测位置的预测值可以通过加权平均计算：；

其中，n是监测站的总数，是第i个数据点的权重，是第i个监测站的预测值。