1.一种基于差异修正的景区旅游气象灾害智能预测方法，其特征在于，包括以下步骤：步骤一、收集目标景区发生的气象灾害的历史数据，其包括目标景区发生的气象灾害的时间和发生该气象灾害的气象要素数据，建立目标景区发生的气象灾害的历史气象要素数据库HDB；收集目标景区发生气象灾害时目标景区所属地区的气象要素数据，建立目标景区所属地区的历史气象要素数据库RDB；

步骤二、根据目标景区发生的气象灾害的类型，将HDB中的气象要素数据进行分类，并对同类型的气象要素数据进行偏相关分析，确定目标景区发生的气象灾害的主要气象要素，建立目标景区发生的气象灾害的主要气象要素集Fs；在RDB中选取与Fs内的气象要素类型相同的气象要素，建立目标景区所属地区发生的气象灾害的主要气象要素集RFs；

步骤三、从HDB中提取Fs对应的气象要素数据，建立目标景区发生的气象灾害的主要气象要素数据集合XFs；从RDB中提取RFs对应的气象要素数据，建立目标景区所属地区发生的气象灾害的主要气象要素数据集合XRFs；分别计算XFs中的每一个气象要素数据和XRFs中与XFs中的气象要素数据相对应的气象要素数据的差值，得到差异集XDFs；

步骤四、以XRFs中的数据作为数据样本，使用基因表达式编程算法分别计算目标景区的每一种气象灾害与主要气象要素之间的映射关系函数，进而得到气象灾害与主要气象要素之间的映射关系函数集G1；

步骤五、以XDFs中的数据作为数据样本，使用基因表达式编程算法分别计算目标景区的每一种气象灾害与主要气象要素之间的差异映射关系函数，进而得到气象灾害与主要气象要素之间的差异映射关系函数集G2；

步骤六、将G1中的每一个数据和G2中与该数据对应的数据相加，得到预测函数集G3；

步骤七、对G3中的预测函数进行F检验，如果显著水平P不能满足P＜设定阈值，则该预测函数不符合要求，从G3中剔除该预测函数，否则保留该预测函数，完成剔除后得到的函数集，即为目标景区气象灾害的预测模型G；

步骤八、根据气象部门发布的数值预报模式的实时数据，并从中选出RFs中相对应的气象要素值，输入到G中，即可计算得到目标景区气象灾害的预测结果；

所述步骤四中使用基因表达式编程算法分别计算目标景区的各气象灾害与主要气象要素之间的映射关系函数的方法包括以下步骤：步骤a、基因表达式编程算法程序读入数据样本，输入种群大小、基因头长度、基因尾长度、函数最大操目数、基因数、最大迭代数、最大适应度值、变异率、插串率和重组率，基因表达式编程算法程序根据基因表达式编程染色体和基因的定义自动生成初始种群；

步骤b、基因表达式编程算法程序进行适应度计算，以染色体为个体，并分别计算各个个体的适应度，适应度的计算公式如下：其中，

Ri为第i个体的适应度，0≤Ri≤1；

SSE为残差平方和；

m为目标发生的气象灾害的总记录次数；

yj为以XRFs中的数据作为数据样本，其中存储的第j次气象灾害；

为变量yj关于函数y的估计值；

SST为总离差平方和；

为变量yj的平均值；

步骤c、若步骤b中计算得到的个体的适应度达到步骤a中输入的最大适应度值，则将种群中的最优个体的表现型按树的中序遍历方法解析表达式树为数学表达式，其中，在所有个体中适应度最大的个体为最优个体，所得数学表达式即为目标景区的一种气象灾害与主要气象要素之间的映射关系函数；若步骤b中计算得到的个体的适应度未达到步骤a中输入的最大适应度值，则继续步骤d、以最优个体作为最优染色体，保留最优染色体进行遗传操作，并根据达尔文的适者生存原则选择产生下一代染色体，将得到的下一代染色体作为个体重复步骤b到步骤c；

所述步骤a中基因表达式编程算法的基因用长度固定的符串来表示，由头部和尾部两部分组成，头部包含函数符号和终结符号，尾部包含终结符号，尾部长度t和头部长度h之间满足方程：t＝h*(n-1)+1；

所述步骤a中的基因表达式编程算法程序采用多基因染色体的方式构成染色体，每个气象要素用一个基因表示；

所述步骤d中根据达尔文的适者生存原则产生下一代染色体的步骤为：

步骤1)、保留最优染色体；

步骤2)、选择染色体进行复制，可选用轮盘赌选择法或锦标赛选择法对染色体进行选择；

步骤3)、对步骤2)中得到的染色体依概率进行交叉重组、变异、插串和倒串等遗传操作，得到下一代染色体。

2.如权利要求1所述的基于差异修正的景区旅游气象灾害智能预测方法，其特征在于，所述步骤二中确定目标景区发生的气象灾害的主要气象要素的具体方法为：对同类型的气象要素数据进行偏相关分析后，进行偏相关系数检验，通过给定信度检验的偏相关性较好的气象要素即为目标景区发生的气象灾害的主要气象要素。

3.如权利要求1所述的基于差异修正的景区旅游气象灾害智能预测方法，其特征在于，所述步骤七中的设定阈值为0.01。