1.一种雷达回波外推预报方法，其特征在于，包括：

获取雷达回波图像序列；

将雷达回波图像序列输入预先训练的预测神经网络，获得雷达回波外推预测图像；其中，预测神经网络包括从输入到输出依次连接的编码器、预测网络和译码器，预测网络包括若干层依次连接的预测单元，预测单元采用基于上下文信息融合及注意力机制的长短期记忆网络；

其中，预测单元的工作过程为：

对 和 进行信息融合，获得 和 ；其中，若当前时刻当前预测单元层数l>

1， 为当前时刻第l‑1层预测单元输出的隐藏状态， 为前一时刻第l层预测单元输出的隐藏状态；若当前时刻当前预测单元层数l=1， ， 为当前时刻编码器的输出；

为 对应的新隐藏状态， 为 对应的新隐藏状态；

基于注意力机制，根据 、 、 和 ，获得 ；其中， 为前一时刻第l层预测单元输出的记忆单元， 为前τ个时刻第l层预测单元输出的记忆单元集，为前τ个时刻第l‑1层预测单元输出的隐藏状态集，若当前时刻当前预测单元层数l=1， ， 为带有多个时间步信息的增强记忆单元；

根据 、 、 和 ，获得当前时刻当前预测单元输出的隐藏状态 、时空单元 和记忆单元 ；其中，若当前时刻当前预测单元层数l=1， 为前一时刻最后一层预测单元输出的时空单元，若当前时刻当前预测单元层数l>1， 为当前时刻第l‑1层预测单元输出的时空单元；最后一层预测单元输出的隐藏状态作为译码器的输入。

2.根据权利要求1所述的一种雷达回波外推预报方法，其特征在于，获得 和 的公式为：其中，*表示二维卷积， 表示矩阵的点乘运算， 为Sigmoid激活函数，Concat表示通道拼接， 为 的卷积核， 为 的卷积核， 表示卷积核的大小， 为依次经过不同尺寸卷积提取、进行通道拼接后的量， 为 依次经过不同尺寸卷积提取、进行通道拼接后的量， 均为 的卷积核， 均为 的卷积核， 为用于更新 的融合门， 为用于更新 的融合门。

3.根据权利要求1所述的一种雷达回波外推预报方法，其特征在于，基于注意力机制，根据 和 ，获得 ，包括：对 进行卷积运算；

将卷积运算后的结果与 分别进行点乘，获得 ；其中， 为相关性系数；

根据 ，获得 ；其中， 为注意力得分；

将 和 分别相乘后进行聚合，获得 ；其中， 为长期运动信息；

采用 构建的融合门 ，根据 、融合门 和 ，获得 。

4.根据权利要求3所述的一种雷达回波外推预报方法，其特征在于，获得 的公式为：其中，*表示二维卷积， 表示矩阵的点乘运算， 为 卷积运算后的结果， 为中第i个元素，为前i个时刻l‑1层预测单元输出的隐藏状态， 为 中第j个元素，为前j个时刻第l层预测单元输出的记忆单元， 为 的卷积核， 为 的卷积核， 为Sigmoid激活函数。

5.根据权利要求1所述的一种雷达回波外推预报方法，其特征在于，根据和 ，获得当前时刻当前预测单元输出的隐藏状态 、时空单元和记忆单元 ，包括：

根据 和 ，获得当前时刻当前预测单元输出的记忆单元 ；

根据 和 ，获得当前时刻当前预测单元输出的时空单元 ；

根据 和 ，获得当前时刻当前预测单元输出的隐藏状态 。

6.根据权利要求5所述的一种雷达回波外推预报方法，其特征在于，获得当前时刻当前预测单元输出的记忆单元 的公式为：其中， 为Sigmoid激活函数， 为当前时刻 用于输入门的卷积核， 为前一时刻 用于输入门的卷积核， 为当前时刻 用于输入调制门的卷积核， 为前一时刻 用于输入调制门的卷积核， 表示当前时刻 用于遗忘门的卷积核，表示前一时刻 用于遗忘门的卷积核，为第一输入门， 为第一输入调制门， 为第一遗忘门， 为 对应的偏差， 为 对应的偏差， 为 对应的偏差，*表示二维卷积，表示矩阵的点乘运算。

7.根据权利要求5所述的一种雷达回波外推预报方法，其特征在于，获得当前时刻当前预测单元输出的时空单元 的公式为：其中， 为第二输入门， 为第二输入调制门， 为第二遗忘门， 为 对应的偏差，为 对应的偏差， 为 对应的偏差，*表示二维卷积， 表示矩阵的点乘运算，tanh表示双曲正切激活函数，  表示当前时刻 用于输入门的卷积核， 表示当前时刻用于输入门的卷积核， 表示当前时刻 用于输入调制门的卷积核， 表示当前时刻 用于输入调制门的卷积核， 表示当前时刻 用于遗忘门的卷积核，表示当前时刻 用于遗忘门的卷积核， 为Sigmoid激活函数。

8.根据权利要求5所述的一种雷达回波外推预报方法，其特征在于，获得当前时刻当前预测单元输出的隐藏状态 的公式为：其中，*表示二维卷积， 表示矩阵的点乘运算， 为输出门， 为 对应的偏差，tanh表示双曲正切激活函数， 表示 和 按列拼接并保持行不变， 表示当前时刻 用于输出门的卷积核， 表示前一时刻 用于输出门的卷积核， 表示 用于输出门的卷积核， 表示 用于输出门的卷积核， 表示用于 的大小为的卷积核。

9.一种雷达回波外推预报系统，其特征在于，采用权利要求1 8中任一项所述的雷达回~波外推预报方法，包括：

获取模块，获取雷达回波图像序列；

预测模块，将雷达回波图像序列输入预先训练的预测神经网络，获得雷达回波外推预测图像；其中，预测神经网络包括从输入到输出依次连接的编码器、预测网络和译码器，预测网络包括若干层依次连接的预测单元，预测单元采用基于上下文信息融合及注意力机制的长短期记忆网络。