1.一种台风路径预测的方法，其特征在于，包括如下具体步骤：通过遥感图像和气象雷达数据，同时获取大气三维环境场数据，对台风中心和台风强度进行预测；

建立台风路径预测模型，获取当前台风数据和多个历史台风数据，根据当前台风数据匹配历史台风路径作为第一台风路径，根据所述第一台风路径构建台风路径簇；

根据所述大气三维环境场数据，构建筛选模型，对所述第一台风路径进行筛选，得到第二台风路径；

构建筛选模型具体步骤如下：

以大气三维环境场数据和当前台风数据为输入，台风中心的偏移量为输出构建多输入多输出的神经网络模型；

用改进粒子群优化神经网络对台风中心的偏移量寻优，获得与偏移量匹配的台风路径簇中的第二台风路径；

构建神经网络和确定粒子群优化算法参数；

获取样本数据并进行归一化预处理，并划分训练数据和测试数据，同时初始化神经网络；

粒子群参数初始化设置，并将神经网络的输出误差值作为粒子适应度，然后计算初始种群的个体最优值与全局最优值；

按照粒子速度和位置的进行迭代运算，通过改进粒子群寻优获得种群的全局最优值，从而赋予神经网络的权值和阈值；

神经网络以最优权值和阈值进行模型训练和预测处理，得到最优的偏移量，通过最优的偏移量与每条台风路径的偏移量匹配得到第二台风路径。

2.根据权利要求1所述的一种台风路径预测的方法，其特征在于，对台风中心进行预测具体步骤如下：所述大气三维环境场数据包括：风场数据、高度数据以及气压数据；

根据所述高度数据和气压数据对低压中心进行识别；根据所述风场数据对各底层风场的涡旋中心进行识别；

将外围最大风速大于或等于预设风速阈值、气压值小于预设气压阈值，且与一所述涡旋中心存在重叠区域的低压中心，作为台风中心候选点；

计算底层风速，并根据所述高度数据、气压数据以及底层风速，计算水平气压梯度、垂直气压梯度和风速切变；

若在所述台风中心候选点的预设范围内，水平气压梯度以所述台风中心候选点为对称中心，存在一个对称极值中心，且垂直方向气压梯度以台风中心候选点为对称中心，存在一个对称的极值中心，则判断所述台风中心候选点为台风中心。

3.根据权利要求1所述的一种台风路径预测的方法，其特征在于，对所述台风强度进行预测具体步骤如下：根据历史的数值天气预报数据及风场内的风机历史测得的风力数据，构建风力预测模型，其中，数值天气预报数据包括风速、气压、风向及空气密度；

根据数值天气预报的预测数据及所述风力预测模型，对风力进行预测；其中风力预测模型基于回归方法，以历史数值天气预报数据和已知对应的风力大小，构建风力预测模型。

4.根据权利要求1所述的一种台风路径预测的方法，其特征在于，建立台风路径预测模型具体步骤如下：获取当前台风数据和多个历史台风数据；

在多个历史台风数据中筛选出季节、地理相似的历史台风；

对所述历史台风根据相似路径法，对所述历史台风进行排序，确定第一台风路径；其中，所述相似路径法包括移向相似度和移速相似度计算；分别对移向相似度和移速相似度进行降序排列，并计算基于前n条路径的权值，进而得到第一台风路径。

5.根据权利要求4所述的一种台风路径预测的方法，其特征在于，根据所述第一台风路径构建台风路径簇具体步骤如下：获取所述第一台风路径对应的历史数据；

根据移向相似度求解第一包络线和第二包络线，在所述第一包络线与所述第二包络线内存在若干条以当前台风中心为起点的可能路径，多条可能路径构成台风路径簇。

6.一种利用所述权利要求1‑5任一项的方法的台风路径预测的系统，其特征在于，包括：获取模块，获取遥感图像和气象雷达数据，同时获取大气三维环境场数据；

强度与中心预测模块，通过遥感图像和气象雷达数据，同时获取大气三维环境场数据，对台风中心和台风强度进行预测；

第一路径预测模块，建立台风路径预测模型，获取当前台风数据和多个历史台风数据，根据当前台风数据匹配历史台风路径作为第一台风路径，根据所述第一台风路径构建台风路径簇；

第二路径预测模块，根据所述大气三维环境场数据，构建筛选模型，对所述第一台风路径进行筛选，得到第二台风路径。

7.根据权利要求6所述的一种台风路径预测的系统，其特征在于，第一路径预测模块包括：第一获取单元，获取当前台风数据和多个历史台风数据；

筛选单元，在多个历史台风数据中筛选出季节、地理相似的历史台风；

确定单元，对所述历史台风根据相似路径法，对所述历史台风进行排序，确定第一台风路径；其中，所述确定单元包括移向相似度计算单元和移速相似度计算单元；根据向量标定进行移向相似度和移速相似度计算；分别对移向相似度和移速相似度进行降序排列，并计算基于前n条路径的权值，进而得到第一台风路径。