1.一种时间序列复杂度测量方法，其特征在于，所述方法包括：对原始时间序列进行不相似性计算，得到时间序列不相关指数；

对所述原始时间序列进行缺失数据计算，得到时间序列缺失值；

对所述原始时间序列进行混沌指数计算，得到时间序列混沌指数；

对所述原始时间序列进行偏度计算，得到时间序列偏度绝对值；

根据预定权重，对所述时间序列不相关指数、所述时间序列缺失值、所述时间序列混沌指数和所述时间序列偏度绝对值进行加权计算，得到时间序列复杂度。

2.根据权利要求1所述的时间序列复杂度测量方法，其特征在于，所述对原始时间序列进行不相似性计算，得到时间序列不相关指数的步骤包括：对原始时间序列进行不相似性计算，得到皮尔逊相关系数；

根据所述皮尔逊相关系数，得到时间序列不相关指数；

采用如下公式计算所述皮尔逊相关系数：其中，Ui和Uj是原始时间序列X＝[x1,x2,...xN]的构造向量U＝[U1,U2,...UM]中的第i个和第j个元素，N为原始时间序列X的长度， w为设定的窗口长度，构造向量U中的元素为Um＝[x(m‑1)*w+1,x(m‑1)*w+2,...,x(m‑1)*w+w]，cov(Ui,Uj)为Ui和Uj的协方差，D(Ui)和D(Uj)分别为Ui和Uj的方差；

采用如下公式计算所述时间序列不相关指数：

3.根据权利要求1所述的时间序列复杂度测量方法，其特征在于，采用如下公式计算所述时间序列缺失值：

MD＝(A+B)/N

其中，A为原始时间序列中缺失值的数量，B为原始时间序列中重复值的数量，N为原始时间序列的长度。

4.根据权利要求1所述的时间序列复杂度测量方法，其特征在于，采用如下公式计算所述时间序列混沌指数：

其中， xt为原始时间序列中t时刻的时间序列值， 为t时刻时间序列值的邻点，δZ0为t＝0时x0及其邻点的距离。

5.根据权利要求1所述的时间序列复杂度测量方法，其特征在于，采用如下公式计算所述时间序列偏度绝对值：

其中， 为偏度，μ为样本均值，σ为标准差，X为原始时间序列，E为期望算子。

6.根据权利要求1所述的时间序列复杂度测量方法，其特征在于，采用如下公式对所述时间序列不相关指数、所述时间序列缺失值、所述时间序列混沌指数和所述时间序列偏度绝对值进行加权计算，得到时间序列复杂度：CP＝αDC+βMD+γMLE+σSK其中，DC为时间序列不相关指数，α为DC的权重值，MD为时间序列缺失值，β为MD的权重值，MLE为时间序列混沌指数，γ为MLE的权重值，SK为时间序列偏度绝对值，σ为SK的权重值。

7.根据权利要求6所述的时间序列复杂度测量方法，其特征在于，对所述时间序列不相关指数、所述时间序列缺失值、所述时间序列混沌指数和所述时间序列偏度绝对值进行层次分析，得到各自的所述预定权重。

8.一种时间序列复杂度测量系统，其特征在于，所述系统包括：不相似性分析模块，用于对原始时间序列进行不相似性计算，得到时间序列不相关指数；

缺失数据分析模块，用于对所述原始时间序列进行缺失数据计算，得到时间序列缺失值；

混沌特征分析模块，用于对所述原始时间序列进行混沌指数计算，得到时间序列混沌指数；

偏度分析模块，用于对所述原始时间序列进行偏度计算，得到时间序列偏度绝对值；

复杂度测量模块，用于根据预定权重，对所述时间序列不相关指数、所述时间序列缺失值、所述时间序列混沌指数和所述时间序列偏度绝对值进行加权计算，得到时间序列复杂度。

9.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。