1.一种基于贝叶斯神经网络的骤旱预警方法，其特征在于，包括：使用CLSMDAS格点尺度的融合分析产品，获得不同土壤深度处的土壤含水量数据；

利用熵权重算法计算所述土壤含水量数据的权重 ；利用CRITIC权重算法计算所述土壤含水量数据的权重 ；

基于权重 和权重 计算组合权重，表达公式为：；

公式中， 表示为组合权重；表示为设定权重，取值范围为 ;根据组合权重从土壤含水量数据提取土壤水分关键数据；将土壤水分关键数据输入至预设的贝叶斯神经网络获得第一中间预测结果；

将土壤水分关键数据输入至预设的灰色预测模型获得第二中间预测结果，其过程包括：将土壤水分关键数据列 代入灰色预测模型，预测获得1次累加预测数据列 ，所述1次累加预测数据列 表达公式为：；

其中， 为第一次累加后预测土壤含水量；

对第一次累加后预测土壤含水量做一次累减还原得到预测的土壤含水量数据，表达公式为：；

采用滚动区间迭代的方法，将数据列

代入灰色预测模型，预测获

得未来h天土壤含水量数据 ；以n为滚动区间进行重复迭代获得第二中间预测结果，记为 ；

对第一中间预测结果和第二中间预测结果进行加权平均获得未来土壤含水量预测结果，根据未来土壤含水量预测结果进行骤旱预警；

所述贝叶斯神经网络构建过程包括：

获取过去设定时间段内的土壤含水量历史数据作为训练样本，将获取的训练样本分为训练数据集和测试数据集；

利用训练数据集中的训练样本对神经网络模型进行训练，所述神经网络模型包括输入层、隐藏层和输出层；设定输入层中神经元数量等于土壤含水量历史数据中采集的土壤层数，在神经网络模型的隐藏层中引入非线性激活函数；

将训练样本输入神经网络模型，通过神经网络模型的输出层输出训练预测结果；根据所述训练预测结果和训练样本的真实标签计算训练损失值，基于训练损失值利用贝叶斯优化算法对神经网络模型进行优化，重复迭代神经网络模型的训练过程，直至迭代次数达到设定阈值T1输出训练后的神经卷积网络；

利用测试数据对训练后的神经卷积网络测试，将预测准确大于设定阈值T2的神经卷积网络作为贝叶斯神经网络；

灰色预测模型的构建过程包括：

建立土壤水分关键数据列，表达公式为：；

计算第l天测量的土壤水分关键数据的级比，表达公式为：；

公式中， 表示为第l天测量的土壤水分关键数据， 表示为第l天测量的土壤水分关键数据的级比；

若土壤水分关键数据的级比值未落在级比检验区间 内，通过平移转换方法使土壤水分关键数据的级比值落在级比检验区间  内；

若土壤水分关键数据的级比值落在级比检验区间 内，对土壤水分关键数据列做1次累加生成新的数据列 ，表达公式为：；

；

其中，n表示为土壤水分关键数据个数；

基于灰色系统理论，建立灰色微分方程模型，表达公式为：；

其中a为发展系数，b为灰色作用量，t为观测的时次；

采用最小二乘法来对参数a和参数b的值进行求解获得灰色预测模型。

2.根据权利要求1所述的骤旱预警方法，其特征在于，所述土壤含水量数据分为5个数据项；5个数据项的土壤含水量数据分别是研究区域CLSMDAS日尺度的0‑5cm，5‑10cm，10‑

40cm，40‑100cm，100‑200cm深度处的土壤含水量数据。

3.根据权利要求1所述的骤旱预警方法，其特征在于，利用熵权重算法计算所述土壤含水量数据的权重 的过程包括：计算出每个土壤含水量数据项的信息熵，公式如下：；

公式中， 表示第j个数据项中土壤含水量数据的信息熵，m表示第j个数据项中土壤含水量数据的个数， 表示第j个数据项下第i个土壤含水量数据的归一化值；

对信息熵归一化得到所述土壤含水量数据的权重 ，计算公式为：。

4.根据权利要求1所述的骤旱预警方法，其特征在于，利用CRITIC权重算法计算所述土壤含水量数据的权重 的过程包括：计算第j个数据项中土壤含水量数据的信息量，表达公式为：；

公式中， 表示为第j个数据项中土壤含水量数据的信息量； 表示为第r个数据项和第j个数据项中土壤含水量数据的相关系数， 为第j个数据项中土壤含水量数据的标准差；

利用CRITIC权重算法计算所述土壤含水量数据的权重 ，表达公式为：。

5.一种基于贝叶斯神经网络的骤旱预警系统，骤旱预警系统应用于权利要求1至4任一项所述的骤旱预警方法，其特征在于，骤旱预警系统包括：获取模块，使用CLSMDAS格点尺度的融合分析产品，获得不同土壤深度处的土壤含水量数据；

提取模块，用于将熵权重算法和CRITIC权重算法结合计算所述土壤含水量数据的组合权重，根据组合权重由土壤含水量数据提取土壤水分关键数据；

预测模块，用于将土壤水分关键数据输入至预设的贝叶斯神经网络获得第一中间预测结果；将土壤水分关键数据输入至预设的灰色预测模型获得第二中间预测结果；对第一中间预测结果和第二中间预测结果进行加权平均获得未来土壤含水量预测结果，根据未来土壤含水量预测结果进行骤旱预警。

6.电子设备包括存储介质和处理器；所述存储介质用于存储指令；其特征在于，所述处理器用于根据所述指令进行操作以执行权利要求1至4任一项所述的骤旱预警方法。