1.一种基于关联规则的立体栅格气象要素短临预报方法，其特征在于，采用多元线性回归模型，利用DEM高程信息和栅格坐标搭建立体栅格，通过关联规则算法分别设置最小项支持度、频繁项集和最小信任度来产生时空关联规则，包括步骤如下：(1)数据预处理；(2)建立趋势面模型；(3)气象数据栅格化；(4)识别立体栅格内用户感兴趣的气象数据，并结合时间，记为独立事务；(5)挖掘关联规则；(6)根据步骤(5)得到的关联规则，实现短临预报；

所述步骤(5)中的关联规则为不同数据项目在时空间出现的相关性，是从大量数据中挖掘出时间、空间及气象要素间的关系；

所述步骤(2)中，获取某站点的坐标作为自变量，站点对应的趋势面拟合值作为因变量，建立两者间的多元线性回归关系如下：

2 2 2

Φ′＝a0+a1Xr+a2Yr+a3Zr+a4Xr+a5Yr+a6Zr+a7XrYr+a8XrZr+a9YrZrΦ＝Φ′+ε

其中，X轴方向坐标Xr,Y轴方向坐标Yr，Z轴方向坐标Zr作为自变量，站点对应的气象数据的观测值为Φ，趋势面的拟合值Φ′作为因变量，ε为观测值与趋势面拟合值的残差；

根据观测值与坐标间的关系来确定多项式系数a0～a9，使得残差平方和最小，得到地理空间的趋势面模型；

所述步骤(3)中，将选定区域的DEM高程信息及每个栅格的X坐标和Y坐标代入到趋势面模型，获得栅格图层，得到选定区域气象数据的空间分布；

所述步骤(5)中，采用关联规则算法挖掘关联规则，首先设置最小项支持度，属性有时间、空间、降水与温度，属性的值为属性变量，利用MSapriori算法设置各个属性变量的最小项支持度MIS(i)，表达式为：其中，Sup[i]是系统属性i在事务数据库T中发生的频率；Count(i)表示系统属性i在事务数据库T中的支持数；Count(T)表示事务数据库T中记录的总数；P[i]为用户为每个属性变量设置的感兴趣等级；M(i)为级别个数，级别越高，用户对该属性变量的感兴趣值越大；V值为最小支持度的下限；

然后应用基于最小数据立方体的Apriori_Cube算法连接频繁项集，根据最小信任度原则从频繁项集的集合中产生时空关联规则，得到选定区域某时间段内气温变化、降水变化以及气温变化与降水变化间的关系；Dk表为包含所有长度为k的候选集，实现步骤如下：(51)通过算法搜索出各属性的1维频繁项集后，对其进行判断，若某个属性不存在1维频繁项集则说明属性层次定的过低，通过上钻提高属性层次，若某个属性上所有的1维项集都是频繁项集则说明属性层次定的过高，通过下钻降低维层次；接着根据D1表中MIS值的顺序查找第一个满足最小支持度的属性变量i，加入到产生长度为1的候选集F中，对于D1表中i的后续属性变量j，若Sup(j)≥MIS(i)，将属性变量j也加入到候选集F中；

(52)按顺序遍历候选集F中的属性变量，若属性变量k满足Sup(j)≥MIS(k)且候选集F中k的后续属性变量l与k来自不同维度，且Sup(l)≥MIS(k)，则将l与k加入到产生长度为2的候选集；

(53)其余长度为k＞2的候选集的产生：先采用Apriori_Cube算法合并项集，再通过剪枝步骤完成；

(54)通过Dk表获取长度为k的候选集的任意子集c的支持度,若Sup(c)≥MIS(c[1])，则将c项集加入到最大频繁项集Lk中，最终获得最大频繁项集的集合L，其中c[1]为c的第一个元素。

2.根据权利要求1所述的基于关联规则的立体栅格气象要素短临预报方法，其特征在于，步骤(1)中，在预测时刻前获取某站点的高分辨率气温和降水数据，删除缺少属性值和孤立点的数据，填写空缺的值。

3.根据权利要求1所述的基于关联规则的立体栅格气象要素短临预报方法，其特征在于，步骤(4)中，在独立事务的基础上建立独立的数据库。