1.基站流量预测方法，其特征在于：包括以下步骤：

基于基站历史流量数据中的原始流量时间序列，获取不同频率下的时序特征；

以基站为节点，利用获取到的时序特征构建多个基站之间的节点图；基于节点图利用图卷积神经网络更新时序特征，生成节点嵌入；

基于时序卷积网络对节点嵌入建立时序关系，构建基站流量序列的预测模型，基于构建的预测模型实现基站流量预测；

获取不同频率下时序特征的过程中，对原始的多个基站流量时间序列通过经验模态分解，得到多条内涵模态分量以及残差序列；

通过经验模态分解得到的每个内涵模态分量描述原始基站流量时间序列在不同时间尺度下的特征；

利用获取到的时序特征构建多个基站之间的节点图的过程中，对基站流量序列经过经验模态分解得到的每一维的特征矩阵进行划分，每个划分后的特征矩阵中同一时刻的内涵模态分量和残差拼接为新的矩阵，利用新的矩阵描述基站流量序列的节点图；

生成节点嵌入的过程中，每个基站节点从不同的分支获得α个嵌入，经融合后获得针对每个基站节点的唯一嵌入；

构建基站流量序列的预测模型的过程中，来自同一基站且不同时刻的基站节点嵌入输入到时序卷积网络中；

所述时序卷积网络具有多个残差块，每个残差块的输入来自于前一个残差块的输出，通过对最后一个残差块在t时刻的输出连接全连接层，获取t+1时刻的流量预测结果。

2.基站流量预测系统，其特征在于：包括：

特征提取模块，被配置为：基于基站历史流量数据中的原始流量时间序列，获取不同频率下的时序特征；

节点图生成模块，被配置为：以基站为节点，利用获取到的时序特征构建多个基站之间的节点图；

特征更新模块，被配置为：基于节点图利用图卷积神经网络更新时序特征，生成节点嵌入；

预测模块，被配置为：基于时序卷积网络对节点嵌入建立时序关系，构建基站流量序列的预测模型，基于构建的预测模型实现基站流量预测；

获取不同频率下时序特征的过程中，对原始的多个基站流量时间序列通过经验模态分解，得到多条内涵模态分量以及残差序列；通过经验模态分解得到的每个内涵模态分量描述原始基站流量时间序列在不同时间尺度下的特征；利用获取到的时序特征构建多个基站之间的节点图的过程中，对基站流量序列经过经验模态分解得到的每一维的特征矩阵进行划分，每个划分后的特征矩阵中同一时刻的内涵模态分量和残差拼接为新的矩阵，利用新的矩阵描述基站流量序列的节点图；生成节点嵌入的过程中，每个基站节点从不同的分支获得α个嵌入，经融合后获得针对每个基站节点的唯一嵌入；构建基站流量序列的预测模型的过程中，来自同一基站且不同时刻的基站节点嵌入输入到时序卷积网络中；所述时序卷积网络具有多个残差块，每个残差块的输入来自于前一个残差块的输出，通过对最后一个残差块在t时刻的输出连接全连接层，获取t+1时刻的流量预测结果。

3.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1所述的基站流量预测方法中的步骤。

4.一种计算机设备，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，所述处理器执行所述程序时实现如权利要求1所述的基站流量预测方法中的步骤。