1.一种提高短临降水预报精度的方法，其特征在于，包括以下方法：

采集用于进行天气临近预报的连续雷达回波图像，雷达回波图像转化为张量；

张量通过四层MFI‑LSTM网络进行叠加处理，得到当前时刻网络输出张量；

将当前时刻网络输出张量进行转化为对应的雷达回波图；

从新获取的雷达回波图进行采集短临降水预报信息；

所述MFI‑LSTM网络由多尺度特征交互模块、卷积LSTM门控机制和记忆特征交互模块三部分构成；

多尺度特征交互模块通过膨胀系数分别为1、2和5的三个3×3空洞卷积对输入张量 ，进行多尺度特征提取，然后将提取的三个不同尺度的特征沿通道进行拼接，再经过1×1大小的卷积降低通道数，即得到多尺度特征融合的输入张量，将该张量经Sigmoid激活函数运算后乘以2，与来自前一时刻同一层的隐藏状态 作哈达玛积，得到多尺度特征交互后的输入张量 ；

将 经Sigmoid激活函数运算后乘以2，与先前得到的多尺度特征融合的输入张量作哈达玛积，得到多尺度特征交互后的隐藏状态 ；

记忆特征交互模块经卷积LSTM门控机制运算得到的 与 ，两者首先沿通道进行拼接，再将 与拼接后的张量再次沿通道拼接得到拼接结果 ； 按通道进行切分，得到、 和 ；

经Sigmoid函数运算后的结果Sigmoid（ ），Sigmoid（ ）首先与 经tanh激活函数运算后的结果tanh（ ）作哈达玛积得到Sigmoid（ ）⨀tanh（ ），再用与 尺寸大小相同，元素全部为1的张量减去 经Sigmoid函数运算后的结果得到1‑Sigmoid（ ）；

再将其与Sigmoid（ ）⨀tanh（ ）相加可得到记忆特征交互后的记忆单元 ； 经Sigmoid函数运算后的结果Sigmoid（ ）与 作哈达玛积，可得到记忆特征交互后的隐藏状态 。

2.根据权利要求1所述的一种提高短临降水预报精度的方法，其特征在于，所述张量通过四层的MFI‑LSTM网络进行叠加处理，获取更佳精准的张量，包括：第1层的MFI‑LSTM网络的接收当前时刻由输入的雷达回波图转换而成的张量，输出第1层当前时刻的记忆单元中的信息和隐藏状态；

第2‑4层的MFI‑LSTM网络则将前一层传递而来的隐藏状态作为输入，输出当前层的当前时刻的记忆单元中的信息和隐藏状态；

第4层的MFI‑LSTM网络输出的隐藏状态经过卷积门后得到当前时刻网络输出张量。

3.根据权利要求1所述的一种提高短临降水预报精度的方法，其特征在于，针对于以t时刻，t‑1标识t时刻的前一时刻，所述MFI‑LSTM网络接收前一时刻同一层记忆单元中的信息 、前一时刻同一层隐藏状态 和当前时刻的输入 ；如处于第2 4层的MFI‑LSTM网~络则将当前时刻前一层的隐藏状态作为输入 ；

前一时刻同一层隐藏状态 和当前时刻的输入 经多尺度特征交互模块作用后得到 和 ； 和 沿通道维度作张量拼接，经Sigmoid激活函数运算得到遗忘门f、输入门i和输出门o，经tanh激活函数运算得到更新g；

前一时刻同一层记忆单元 与遗忘门f作哈达玛积，与输入门i和更新g的哈达玛积相加，即可得到当前时刻中间记忆单元；

经tanh激活函数运算与输出门o作哈达玛积，可得到当前时刻中间隐藏状态 ；

与 经记忆特征交互模块运算后，得到当前MFI‑LSTM网络的记忆单元中的信息输出 和隐藏状态 。