1.风速与风压物联网智能大数据系统，其特征在于：所述系统由环境参数采集与控制平台和风速预测子系统两部分组成，环境参数采集与控制平台实现对环境参数检测、调节和监控；风速预测子系统实现对被检测环境的风速与风压进行精确预测；

所述风速预测子系统由LSTM神经网络模型、Adaline神经网络模型、变分模态分解模型、K‑means聚类分类器、CNN卷积‑NARX神经网络模型、Vague集的模糊小波神经网络模型、风压参数检测模块、按拍延迟线TDL以及Vague集的T‑S模糊神经网络模型组成；

多个风速传感器感知被检测环境的时间序列风速值分别作为LSTM神经网络模型和Adaline神经网络模型的输入，LSTM神经网络模型与Adaline神经网络模型输出的差作为被检测环境的风速波动值，时间序列风速波动值作为变分模态分解模型的输入，变分模态分解模型输出多个模态函数IMF分量，多个IMF分量能量熵作为K‑means聚类分类器的输入，K‑means聚类分类器输出的多个类型的IMF分量能量熵分别作为多个对应的CNN卷积‑NARX神经网络模型输入，Adaline神经网络模型和多个CNN卷积‑NARX神经网络模型的输出作为Vague集的模糊小波神经网络模型的对应输入，Vague集的模糊小波神经网络模型输出的三个参数分别为x、t和1‑f，x为被检测风速的实数值，t为可信度，1‑f为可信度与不确定度和，

1‑f‑t为不确定度， f为不可信度，x、t和1‑f构成被检测风速的Vague集的数值为[x，(t，1‑f)]，多个风压传感器输出作为风压参数检测模块的输入，风压参数检测模块和Vague集的模糊小波神经网络模型的输出分别作为对应的按拍延迟线TDL输入，2个按拍延迟线TDL分别作为Vague集的T‑S模糊神经网络模型的对应输入，Vague集的T‑S模糊神经网络模型输出的三个参数分别为y、s和1‑z，y为被检测风速的预测值，s为可信度，1‑z为可信度与不确定度和，1‑z‑s为不确定度，z为不可信度，y、s和1‑z构成被检测环境风速的Vague集预测数值为[y，(s，1‑z)]；

所述风压参数检测模块由带时滞单元的FOA‑小波神经网络模型、GM(1，1) 灰色预测模型、K‑means聚类分类器、CNN卷积‑NARX神经网络模型模型和Vague集的模糊小波神经网络模型组成；

风压传感器感知被检测环境的时间序列参数值分别作为对应的带时滞单元的FOA‑小波神经网络模型和GM(1，1) 灰色预测模型的输入(1，1) 灰色预测模型的输入，带时滞单元的FOA‑小波神经网络模型与GM(1，1) 灰色预测模型输出的差作为被检测环境的参数波动值，多个时间序列参数波动值和多个GM(1，1) 灰色预测模型输出分别作为对应的K‑means聚类分类器的输入，2个K‑means聚类分类器输出的多个类型的时间序列参数波动值和GM(1，1) 灰色预测模型输出分别作为对应的CNN卷积‑NARX神经网络模型的输入，CNN卷积‑NARX神经网络模型输出作为Vague集的模糊小波神经网络模型的对应输入，Vague集的模糊小波神经网络模型输出的三个参数分别为x、t和1‑f，x为被检测参数的实数值，t为可信度，f为不可信度，1‑f为可信度与不确定度和，1‑f‑t为不确定度，x、t和1‑f构成被检测参数的Vague集的数值为[x，(t，1‑f)]，Vague集的模糊小波神经网络模型输出作为风压参数检测模块的输出。

2.根据权利要求1所述的风速与风压物联网智能大数据系统，其特征在于：所述环境参数采集与控制平台主要由检测节点、控制节点、网关节点、现场监控端、云平台和手机APP组成。

3.根据权利要求2所述的风速与风压物联网智能大数据系统，其特征在于：所述检测节点采集环境参数经网关节点上传到云平台，并利用云平台提供的数据给手机APP，手机APP通过云平台提供的可实时监测被检测环境参数和调节控制节点的外部设备，检测节点和控制节点负责采集被检测环境参数信息和调节环境设备，通过网关节点实现检测节点、控制节点、现场监控端、云平台和手机APP的双向通信，实现被检测环境参数采集和控制环境设备。