1.一种雷达回波外推预报方法，其特征在于，包括：获取待预测的雷达回波图像序列；

对所述雷达回波图像序列进行预处理，得到待预测数据集；

将所述待预测数据集输入预先训练的结合双分支编解码和门控递归网络的预测模型，获得雷达回波外推预测图像；

其中，所述结合双分支编解码和门控递归网络的预测模型的训练方法包括：对获取到的雷达回波图像序列样本进行预处理，得到有效样本数据集；

将所述有效样本数据集输入预先构建的结合双分支编解码和门控递归网络的预测模型，得到训练好的结合双分支编解码和门控递归网络的预测模型；

所述预先构建的结合双分支编解码和门控递归网络的预测模型包括：时空双分支编解码结构和预测网络，所述时空双分支编解码结构包括时空双分支编码器和时空双分支解码器，所述预测网络包括若干层依次连接的预测单元，所述预测单元为基于注意力机制的门控递归神经单元；

将所述待预测数据集输入预先训练的结合双分支编解码和门控递归网络的预测模型，获得雷达回波外推预测图像，包括：从所述待预测数据集中依次读取批大小为4的待预测图像序列作为所述结合双分支编解码和门控递归网络的预测模型当前时刻t的输入 ；

利用所述时空双分支编码器对所述输入 进行特征提取，得到所述时空双分支编码器的输出 ，所述 和 的计算公式分别为：，

，

其中， 表示时间编码信息， 表示空间编码信息， 、 分别表示用于从输入中提取深层特征的时间编码器和空间编码器；

将所述时空双分支编码器的输出 送入所述预测网络，得到所述预测网络的输出 ，其中， 表示时间预测信息， 表示空间预测信息；

将所述预测网络的输出 送入所述时空双分支解码器，得到所述时空双分支解码器的输出 ，其中， 表示时间解码信息， 表示空间解码信息；

将所述时空双分支解码器的输出 进行融合，得到所述待预测图像序列的预测结果 ；

所述时空双分支编解码结构还包括多尺度通道注意力模块，用于提取所述时空双分支编码器中每层编码信息的细节特征并与所述时空双分支解码器中每层解码信息融合；

将所述预测网络的输出 送入所述时空双分支解码器，得到所述时空双分支解码器的输出 ，包括：利用多尺度通道注意力模块对 和 的全局注意力G以及局部注意力L进行提取，计算公式分别为：，

，

，

，

其中，L()表示局部注意力，G()表示全局注意力，PWConv表示1 * 1点卷积，PWConv1 表示第一层逐点卷积，PWConv2  表示第二层逐点卷积，表示ReLU激活函数，GAP表示平均池化操作Global Average Pooling；

根据 和 的全局注意力G以及局部注意力L得到所述多尺度通道注意力模块的输出MSCAM( )、MSCAM( )，MSCAM( )和MSCAM( )的计算公式分别为：，

；

基于所述多尺度通道注意力模块的输出MSCAM( )、MSCAM( )以及所述预测网络的输出 得到所述时空双分支解码器的输出 ， 和 的计算公式为：

，

，

其中， 分别表示用于将预测特征映射到帧的时间解码器、空间解码器。

2.根据权利要求1所述的雷达回波外推预报方法，其特征在于，将所述时空双分支编码器的输出 送入所述预测网络，得到所述预测网络的输出 ，包括：基于所述预测网络中各层预测单元的注意力机制，根据 、 、 和 得到 ，其中， 为当前时刻t第l‑1层预测单元输出的空间状态， 为前一时刻t‑1第l层预测单元输出的时间状态， 为前τ个时刻第l层预测单元输出的时间状态集，为前τ个时刻第l‑1层预测单元输出的空间状态集， 为带有多个时间步信息的增强时间状态；

基于 和 得到当前时刻预测单元输出的时间状态 和空间状态 ；

基于所述当前时刻预测单元输出的时间状态 和空间状态 得到最后一层预测单元输出的时间状态和空间状态。

3.根据权利要求2所述的雷达回波外推预报方法，其特征在于，基于所述预测网络中各层预测单元的注意力机制，根据 、 、 和 得到 ，包括：将 与 分别进行点乘，通过softmax函数得到注意力得分 ， 的计算公式为：；

将所述注意力得分 与 分别相乘后进行加法融合，得到长期运动信息 ，的计算公式为：；

其中， 为前j个时刻第l层预测单元输出的时间状态；

基于 构建融合门 ， 的计算公式为：

，

其中， *表示二维卷积， 为 的卷积核， 为Sigmoid激活函数；

基于 、融合门 以及长期运动信息 ，得到带有多个时间步信息的增强时间状态， 的计算公式为：，

其中， 表示矩阵的Hadamard积。

4.根据权利要求3所述的雷达回波外推预报方法，其特征在于，基于 和 ，得到当前时刻预测单元输出的时间状态 和空间状态 ，包括：根据 和 得到更新门 和复位门 ， 和 的计算公式分别为：，

，

其中， 为当前时刻 用于更新门的卷积核， 为增强时间状态 用于更新门的卷积核， 为当前时刻 用于复位门的卷积核， 为增强时间状态 用于复位门的卷积核；

根据 、 、更新门 和复位门 ，得到候选空间趋势信息 和候选时间趋势信息， 和 的计算公式分别为：，

，

其中，tanh表示双曲正切激活函数， 为增强时间状态 用于生成 的卷积核，为当前时刻 用于生成 的卷积核， 为当前时刻 用于生成 的卷积核，为增强时间状态 用于生成 的卷积核；

根据 和 ，得到当前时刻预测网络的时间状态 和空间状态 ， 和 的计算公式分别为：，

。

5.根据权利要求1所述的雷达回波外推预报方法，其特征在于，将所述时空双分支解码器的输出 进行融合，得到所述待预测图像序列的预测结果 ，包括：所述时空双分支编解码结构通过使用1*1卷积将 和 融合后输出预测结果 ， 的计算公式为：，

其中， 表示卷积核为1*1，用于将通道还原至初始值，Concat表示通道拼接。

6.根据权利要求1所述的雷达回波外推预报方法，其特征在于，对所述雷达回波图像序列进行预处理，包括：对雷达回波图像序列进行插值以及归一化处理去除无效雷达数据，得到有效雷达数据集。

7.根据权利要求6所述的雷达回波外推预报方法，其特征在于，将所述有效样本数据集输入预先构建的结合双分支编解码和门控递归网络的预测模型，得到训练好的结合双分支编解码和门控递归网络的预测模型，包括：对所述预先构建的预测模型进行参数初始化，得到初始化后的预测模型；

对所述有效样本数据集进行选择，得到训练样本集以及测试样本集；

将所述训练样本集输入所述初始化后的预测模型进行参数更新得到每一轮学习后的预测模型的同时，按照预设轮次将所述测试样本集依次输入学习后的预测模型，得到预设轮次下的预测模型的预测性能；

基于收敛条件以及所述预测性能对所述预设轮次下的预测模型进行评估选优，得到训练好的结合双分支编解码和门控递归网络的预测模型。

8.一种雷达回波外推预报系统，其特征在于，包括：数据获取模块：用于获取待预测的雷达回波图像序列；

预处理模块：用于对所述雷达回波图像序列进行预处理，得到待预测数据集；

预测模块：将所述待预测数据集输入预先训练的结合双分支编解码和门控递归网络的预测模型，获得雷达回波外推预测图像；

其中，所述结合双分支编解码和门控递归网络的预测模型的训练方法包括：对获取到的雷达回波图像序列样本进行预处理，得到有效样本数据集；

将所述有效样本数据集输入预先构建的结合双分支编解码和门控递归网络的预测模型，得到训练好的结合双分支编解码和门控递归网络的预测模型；

所述预先构建的结合双分支编解码和门控递归网络的预测模型包括：时空双分支编解码结构和预测网络，所述时空双分支编解码结构包括时空双分支编码器和时空双分支解码器，所述预测网络包括若干层依次连接的预测单元，所述预测单元为基于注意力机制的门控递归神经单元；

将所述待预测数据集输入预先训练的结合双分支编解码和门控递归网络的预测模型，获得雷达回波外推预测图像，包括：从所述待预测数据集中依次读取批大小为4的待预测图像序列作为所述结合双分支编解码和门控递归网络的预测模型当前时刻t的输入 ；

利用所述时空双分支编码器对所述输入 进行特征提取，得到所述时空双分支编码器的输出 ，所述 和 的计算公式分别为：，

，

其中， 表示时间编码信息， 表示空间编码信息， 、 分别表示用于从输入中提取深层特征的时间编码器和空间编码器；

将所述时空双分支编码器的输出 送入所述预测网络，得到所述预测网络的输出 ，其中， 表示时间预测信息， 表示空间预测信息；

将所述预测网络的输出 送入所述时空双分支解码器，得到所述时空双分支解码器的输出 ，其中， 表示时间解码信息， 表示空间解码信息；

将所述时空双分支解码器的输出 进行融合，得到所述待预测图像序列的预测结果 ；

所述时空双分支编解码结构还包括多尺度通道注意力模块，用于提取所述时空双分支编码器中每层编码信息的细节特征并与所述时空双分支解码器中每层解码信息融合；

将所述预测网络的输出 送入所述时空双分支解码器，得到所述时空双分支解码器的输出 ，包括：利用多尺度通道注意力模块对 和 的全局注意力G以及局部注意力L进行提取，计算公式分别为：，

，

，

，

其中，L()表示局部注意力，G()表示全局注意力，PWConv表示1 * 1点卷积，PWConv1表示第一层逐点卷积，PWConv2 表示第二层逐点卷积，表示ReLU激活函数，GAP表示平均池化操作Global Average Pooling；

根据 和 的全局注意力G以及局部注意力L得到所述多尺度通道注意力模块的输出MSCAM( )、MSCAM( )，MSCAM( )和MSCAM( )的计算公式分别为：，

；

基于所述多尺度通道注意力模块的输出MSCAM( )、MSCAM( )以及所述预测网络的输出 得到所述时空双分支解码器的输出 ， 和 的计算公式为：

，

，

其中， 分别表示用于将预测特征映射到帧的时间解码器、空间解码器。

9.一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，该计算机程序被处理器执行时，实现如权利要求1‑7中任一项所述的雷达回波外推预报方法。