1.一种预测海洋次表层温度异常的方法，其特征在于：所述步骤如下：S1:获得海洋表面观测数据，所述数据为海洋表面实测的数据；

S2:通过海洋表面实测的数据与支持向量机结合预测得出海洋次表层温度异常数据；

S3:采用中尺度涡识别方法，对海洋次表层温度异常数据处理，提高数据精度；

S4:将S3中的海洋次表层温度异常数据与实测次表层温度异常对比；

S5:得到预测的海洋次表层温度异常数据。

2.根据权利要求1所述的一种预测海洋次表层温度异常的方法，其特征在于：海洋表面实测的数据包括海表温度数据、海表盐度数据、海表风场数据以及海表高程数据。

3.根据权利要求1所述的一种预测海洋次表层温度异常的方法，其特征在于：气候平均态数据来源于近20年的海表数据，所述海表数据包括海表温度数据、海表盐度数据、海表风场数据以及海表高程数据，求出气候平均态，得到异常数据(海表温度异常、海表盐度异常、海表风场异常以及海表高程异常)。

4.根据权利要求1所述的一种预测海洋次表层温度异常的方法，其特征在于：中尺度涡识别满足如下条件：单个海表异常数据场在空间上进行高通滤波，去除纬向(经向)大(小)半径为10°(5°)的高斯滤波器并获得的平滑场，(1)通过形状测试：海表异常数据的封闭轮廓(CC)偏离其拟合圆的面积之和，与其拟合圆面积之比，称为形状误差，使其误差小于55％；其误差公式如下：其中， 为封闭轮廓偏离其拟合圆的面积之和，为拟合圆面积；

(2)封闭轮廓所围面积内包含的像素数，满足以下条件：Imin

其中，Imin＝8和Imax＝1000。

(3)只包含SLA值高于(低于)当前反气旋涡(气旋涡)SLA区间值的像素；

(4)包含不包括一个反气旋涡(气旋涡)的本地SLA最大值(最小值)；

(5)封闭轮廓内的SSH最大值与最小值之差，称为振幅A，满足以下条件：

1cm≤A≤150cm

当一个封闭轮廓(通过高通滤波与平滑后得到的SLA的插值轮廓，CC)通过上述测试后，该轮廓内被识别为一个气旋涡，该轮廓被称为涡流的有效周长(Ceff)。其相关有效半径(Leff)为与Ceff所包围区域面积相同的圆的半径，Ceff的质心用Peff表示，同面积并且以Peff为圆心的用⊙Peff表示；

最后，屏蔽涡旋对应的SLA像素，使得该区域无法进行进一步的涡旋识别。

5.根据权利要求1所述的一种预测海洋次表层温度异常的方法，其特征在于：支持向量机方法如下：SVR具有稀疏性，若样本点与回归模型足够接近，即落入回归模型的间隔边界内，则该样本不计算损失，对应的损失系数称之为ε-不敏感系数(ε-insensitive loss)：L(z)＝max(o,|z|-∈)，其中ε是决定间隔边界宽度的超参数。使用松弛变量表示不敏感损失函数的分段取值后可得：s.t.yi-f(X)≤∈+ξi

ξ≥0,ξ*≥0

通过引入拉格朗日乘子：α,α*,μ,μ*可得其拉格朗日函数和对偶问题：其中对偶问题有如下KKT条件：

对该对偶问题进行求解可以得到SVR的形式为：

本文采用的模型是ε-SVR模型，当且仅当模型预测值f(x)与真实值y，满足|f(x)-y|>ε时，才计算模型损失。这样可以实现具有较强的鲁棒性回归，保留了SVM的优点，泛化能力更强。

6.根据权利要求1所述的一种预测海洋次表层温度异常的方法，其特征在于：在支持向量机中使用经过py-eddy-tracker高斯滤波筛选。