1.一种海表温度预测方法，其特征在于，所述海表温度预测方法包括：S1：获取历史海表温度数据；

S2：对所述历史海表温度数据进行数据处理，得到数据处理结果；

S3：将所述数据处理结果作为海表温度预测模型的输入数据，以及，将海表温度真实值作为所述海表温度预测模型的输出数据对所述海表温度预测模型进行模型训练，得到训练好的海表温度预测模型；

S4：利用所述训练好的海表温度预测模型进行海表温度预测；

所述S2包括：

S21：将所述历史海表温度数据经过EEMD分解为多模态分量；

S22：根据所述多模态分量的序列频率拟合同频序列，得到重构序列；

S23：将所述重构序列作为所述海表温度预测模型的第一输入参量；

S24：获取海表温度月际、年际、十年际变化影响的影响因子；

S25：将所有影响因子中符合预设条件的影响因子作为所述海表温度预测模型的第二输入参量；

S26：将所述第一输入参量和所述第二输入参量作为所述数据处理结果输出；

所述海表温度预测模型通过以下方式确定：

利用拉格朗日乘子法对多元线性回归子模型和XGBOOST子模型进行结合。

2.根据权利要求1所述的海表温度预测方法，其特征在于，所述拉格朗日乘子法以最小误差为优化目标，所述海表温度预测模型的预测误差通过以下方式确定：将所述多元线性回归子模型和所述XGBOOST子模型最优权重的确定过程转化为优化组合模型误差平方和最小问题；

根据多元线性回归子模型的误差和XGBOOST子模型的误差，利用拉格朗日乘子法，确定多元线性回归子模型的最优权重和XGBOOST子模型的最优权重；

根据所述多元线性回归子模型的最优权重和所述XGBOOST子模型的最优权重，确定所述海表温度预测模型的预测误差。

3.根据权利要求2所述的海表温度预测方法，其特征在于，将所述多元线性回归子模型和XGBOOST子模型最优权重的确定过程转化为优化组合模型误差平方和最小问题包括：其中， 表示海表温度预测模型在t时刻内预测误差平方和，p表示预测步长，t表示t时刻， 表示多元线性回归‑XGBOOST海表温度预测模型在t时刻的预测误差，a、g分别代表多元线性回归子模型及XGBOOST子模型。

4.根据权利要求2所述的海表温度预测方法，其特征在于，所述多元线性回归子模型的最优权重和所述XGBOOST子模型的最优权重分别为：其中， 和 分别表示多元线性回归子模型的最优权重和XGBOOST子模型的最优权重，p表示预测步长，t表示t时刻， 表示t时刻海表温度预测模型的预测误差，a、g分别代表多元线性回归子模型及XGBOOST子模型， 和 分别表示t时刻多元线性回归子模型误差和XGBOOST子模型误差。

5.根据权利要求2‑4中任意一项所述的海表温度预测方法，其特征在于，所述海表温度预测模型在t时刻的预测误差为：其中， 表示海表温度预测模型在t时刻的预测误差， 、 、 和 分别表示t时刻海表温度预测模型观测值、海表温度预测模型真实值、多元线性回归子模型预测值和XGBOOST子模型预测值， 和 分别表示t时刻多元线性回归子模型误差和XGBOOST子模型误差， 和 分别表示t时刻多元线性回归子模型的最优权重和XGBOOST子模型的最优权重。