1.一种基于动态权重损失的雷达回波外推方法，其特征在于，包括以下步骤：

(1)基于现有短临预报模型的预测结果构建动态损失函数，所述现有短临预报模型为采用雷达回波外推方法实现降水强度预测的模型；所述动态损失函数DWL公式为：式中，wi表示第i个预测时刻的动态权重；k，b，x均为超参数； 表示第i个预测时刻绝对误差，表示第i个预测时刻的预测回波图像，yi表示第i个预测时刻的观测回波图像，i∈[1，m]，m为雷达回波序列的长度；WLi表示第i个预测时刻的损失，具体每个预测时刻的损失计算公式为：式中， 表示任一预测时刻对应的加权损失函数；β表示缩小系数，γ表示放大系数；B‑MSE表示带有权重的MSE，B‑MAE表示带有权重的MAE，Lssim＝1‑SSIM，SSIM表示结构相似性函数；Rt，h，w表示像素坐标为(t，h，w)的标签反射率， 表示像素坐标为(t，h，w)的预测反射率，weightt，h，w表示像素坐标为(t，h，w)的权重；

(2)采集雷达回波数据并建立雷达回波外推数据集，将雷达回波外推数据集按照一定比例划分为训练集与验证集；

(3)将训练集数据输入短临预报模型进行模型训练，获取动态损失函数优化短临预报模型，将验证集数据输入优化后的短临预报模型获取预测结果。

2.根据权利要求1所述的基于动态权重损失的雷达回波外推方法，其特征在于，步骤(1)中现有短临预报模型包括：ConvLSTM模型、TrajGRU模型、PredRNN模型。

3.根据权利要求1所述的基于动态权重损失的雷达回波外推方法，其特征在于，步骤(1)中weightt，h，w具体公式为：

4.根据权利要求1所述的基于动态权重损失的雷达回波外推方法，其特征在于，步骤(1)中SSIM具体公式为：式中，μY表示真实值的均值， 表示预测值的均值； 表示真实值与预测值的协方差，用于衡量图像的结构相似度；σY表示真实值的方差； 表示预测值的方差，用于估计图像的对比度；C1、C2均为常数。

5.根据权利要求1所述的基于动态权重损失的雷达回波外推方法，其特征在于，步骤(1)中k＝b＝1，x＝e。

6.一种计算机设备，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至权利要求5中任意一项所述方法的步骤。

7.一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至权利要求5中任意一项所述的方法的步骤。