1.基于高空数据与GM灰色迭代的降水量预测方法，其特征在于，包括如下步骤：步骤1：将高空数据按照高度进行划分，得到X个高度层次数据；

步骤2：针对某一时刻的地面降水量，建立该时刻的地面降水量与该时刻第i个高度层次数据中的第j个气象要素数据xij之间的合关系模型，进行多项式拟合；i＝1，2，…，X；j＝

1，2，…，n；其中n表示第i个高度层次数据中气象要素的总个数；

步骤3：基于GM灰色模型预测未来时间段内第i个高度层次的第j个气象要素数据；

步骤4：采用与步骤3相同的方法预测未来时间段内的地面降水量，并将该预测的地面降水量加入到历史地面降水量序列中，得到地面降水量序列；

步骤5：将根据步骤2中的拟合关系模型以及步骤3中的第i个高度层次的第j个气象要素数据，得到未来时间段内第i个高度层次对应的降水量序列，将未来时间段内第i个高度层次对应的降水量序列加入至历史第i个高度层次对应的降水量序列中，得到第i个高度层次对应的降水量序列，将第i个高度层次对应的降水量序列与步骤4中的地面降水量序列进行归一化处理，根据归一化处理后的结果计算最终预测的未来时间段内的地面降水量；

所述步骤2中的拟合关系模型表达式如下所示：

其中，w表示地面降水量，aij，k表示与第i个高度层次数据中的第j个气象要素相应的第k个多次项的未知的拟合系数，n′表示未知的多次项的总个数；

所述步骤3具体为：

步骤3.1：设定初步的微分方程预测模型：

其中，aij和uij为与xij对应的未知参数， 其中T＝1，2，…，d，d为历史有效数据时间节点的总个数， 表示时刻t时第i个高度层次数据中的第j个气象要素数据；将 构成序列

1 1 1 1 1 1

步骤3.2：计算 紧邻均值生成序列Z，Z＝{Z (2)，Z (3)，..，Z (T)，..，Z (d)}：步骤3.3：对上述微分方程预测模型进行更新：

采用最小二乘法求解微分方程预测模型中的aij和uij，并将已知的aij和uij代入如下方程，计算得到未来时间段内第i个高度层次的第j个气象要素数据：其中，k1为未来时间段内第一个时刻；

所述步骤5具体为：将第i个高度层次对应的降水量序列与步骤4中的地面降水量序列进行归一化处理，得到归一化处理后的值w″I(m)，m＝1，2，…，L，L表示未来时刻的总个数，I＝1，2，…，X，X+1；其中X+1表示地面，根据wI(m)的值得到最终预测的未来时刻m时的降水量数据：其中，QI的表达式如下所示：

其中，CI的表达式为：

CI＝SI*RI，

其中，RI表示第I个高度层次数据对应的降水量与其他高度层次数据对应的降水量之间的相关程度， rIi′表示第I个高度层次数据对应的降水量与第i′个高度层次数据对应的降水量之间的相关系数，SI表示第I个高度层次数据对应的降水量序列的标准差。

2.根据权利要求1所述的基于高空数据与GM灰色迭代的降水量预测方法，其特征在于，该方法还包括对步骤3和步骤4的预测数据进行检验，具体为：对步骤3或者步骤4得到数据序列进行相对误差与级比偏差检验，如果检验结果没有达到预设的标准，则删除该数据并采用均值替代异常值。