1.一种降雨短时预测方法，其特征在于：所述降雨短时预测方法，包括：S1、获取降雨图像序列数据，采用降雨图像序列的前p帧数据预测后q帧数据的预先预测结果；

S2、将前p帧数据和后q帧数据的预先预测结果数据进行数据预处理操作得到各帧对应的降雨数据；

S3、将前p帧数据的降雨数据和后q帧数据的预先预测结果的降雨数据输入至构建并训练好的降雨短时预测网络模型中，得到最后降雨预测结果，所述降雨短时预测网络模型包括时序特征约束器、编码器和解码器。

2.如权利要求1所述的降雨短时预测方法，其特征在于：所述S1中采用降雨图像序列的前p帧数据预测后q帧数据的预先预测结果，包括：S1.1、获取降雨图像序列的前p帧数据中的倒数三帧数据xn‑2、xn‑1、xn；

S1.2、将三帧数据xn‑2、xn‑1、xn中的相邻时间步长的两帧作差分别得到残差帧res1＝xn‑1‑xn‑2和res2＝xn‑xn‑1；

S1.3、然后将res1在预设的上下像素为τ、左右像素为τ的区域内移动，移动横纵坐标上的位移分别为trans_x和trans_y；

S1.4、res2的横纵坐标通过移动trans_x和trans_y得到预测的第一个残差帧res3’，然后将res3’加上xn得到预先预测结果中的第一个帧数据zn+1；

S1.5、然后修改S1.1中三帧数据为xn‑1、xn、zn+1，重复S1.2‑S1.4，反复迭代直到得到降雨图像序列的后q帧数据的预先预测结果。

3.如权利要求1所述的降雨短时预测方法，其特征在于：所述S2中将前p帧数据和后q帧数据的预先预测结果数据进行数据预处理操作得到各帧对应的降雨数据，包括：对各帧数据进行标准化处理得到降雨数据，且标准化处理的公式如下：u＝x*(4783/100)*12；

其中，x表示一张图像的所有像素点，u表示一张图像各像素点对应的降雨量，且u的单位为mm/h。

4.如权利要求1所述的降雨短时预测方法，其特征在于：所述S3中所述降雨短时预测网络模型包括时序特征约束器、编码器和解码器，包括：所述时序特征约束器包含两个计算模块，其中一个计算模块包括依次设置的全局平均池化层、第一全连接层、ReLU激活和第二全连接层，另一个计算模块包括依次设置的全局最大池化层、第一全连接层、ReLU激活和第二全连接层；

所述编码器包括五层，每层均包括依次设置的第一卷积层、归一化层、ReLU激活函数和最大池化层；

所述解码器包括五层，每层均包括依次设置的插值层、第二卷积层、归一化层和ReLU激活函数。

5.如权利要求4所述的降雨短时预测方法，其特征在于：所述S3中将前p帧数据的降雨数据和后q帧数据的预先预测结果的降雨数据输入至构建并训练好的降雨短时预测网络模型中，得到最后降雨预测结果，包括：S3.1、将后q帧数据的预先预测结果的降雨数据分别输入至两个计算模块中，然后将两个计算模块的结果相加得到第一计算结果；

S3.2、将前p帧数据的降雨数据分别输入至两个计算模块中，然后将两个计算模块的结果相加得到第二计算结果；

S3.3、将第一计算结果与第二计算结果进行相减得到第三计算结果，将第三计算结果进行全连接，将全连接的结果进行数据维度扩展后与前p帧数据的降雨数据进行连接，得到约束结果；

S3.4、将约束结果与后q帧数据的预先预测结果的降雨数据输入至编码器中进行特征数据提取，然后将提取的特征数据输入至解码器中进行解码，得到初步预测的降雨数据；

S3.5、最后将后q帧数据的预先预测结果的降雨数据和初步预测的降雨数据相加得到最后降雨预测结果。

6.如权利要求2所述的降雨短时预测方法，其特征在于：所述S1.4中还包括对后q帧数据的预先预测结果进行高斯模糊处理。