1.一种基于跨源可解释性深度学习模型的山洪预警方法，其特征在于，所述方法包括：接收工作人员输入的统计周期和预警区域，基于统计周期获取预警区域内的山洪参数和环境参数；所述山洪参数至少包括山洪次数及山洪量；所述环境参数至少包括大气温度、风速、土壤温度、植被指数、地形参数和降雨量；

按照统计周期的时间顺序统计山洪参数和环境参数，计算山洪参数和环境参数的关联度；

根据所述关联度选取并组合环境参数，连接对应的山洪参数，作为该预警区域的样本；

统计不同预警区域的样本，训练神经网络模型，同步构建解释内容库；所述解释内容库用于对神经网络模型的输出结果进行内容补充，补充的内容为得到同一输出的其他输入；

当监测到新的环境参数时，将新的环境参数输入训练好的神经网络模型，得到输出结果，根据解释内容库确定输出结果的补充内容；

所述统计不同预警区域的样本，训练神经网络模型，同步构建解释内容库的步骤包括：统计不同预警区域的样本，构建训练集和测试集，训练神经网络模型；

比对山洪参数，计算山洪参数的数组相似度；

当数组相似度达到预设的相似度阈值时，查询两个山洪参数对应的组合的环境参数，将其中一方的环境参数填充至另一山洪参数的解释内容库；所述解释内容库初始为空，其数据单元的数据结构与组合的环境参数的数据结构相同；

所述当监测到新的环境参数时，将新的环境参数输入训练好的神经网络模型，得到输出结果，根据解释内容库确定输出结果的补充内容的步骤包括：当监测到新的环境参数时，将新的环境参数输入训练好的神经网络模型，得到预测的山洪参数；

由预测的山洪参数遍历样本中的山洪参数，当匹配成功时，查询匹配到的山洪参数的解释内容库，作为补充内容。

2.根据权利要求1所述的基于跨源可解释性深度学习模型的山洪预警方法，其特征在于，所述按照统计周期的时间顺序统计山洪参数和环境参数，计算山洪参数和环境参数的关联度的步骤包括：按照统计周期的时间顺序统计山洪参数和环境参数；其中，统计周期作为行标，山洪参数和环境参数作为列标；

对统计到的山洪参数和环境参数进行去量纲；

将山洪参数作为母序列，环境参数作为子序列，根据去量纲后的数据计算两极最小差和两极最大差；

基于两极最小差和两极最大差计算山洪参数和环境参数的关联度。

3.根据权利要求2所述的基于跨源可解释性深度学习模型的山洪预警方法，其特征在于，去量纲的过程为：；式中， 为去量纲后的值， 为去量纲前的值； 为对应指标下的最大值， 为对应指标下的最小值；

两极最小差和两极最大差计算过程为：

；

；

；

；

式中，a为两极最小差，b为两极最大差， 为母序列中的第k个数值， 为第i个子序列中的第k个数值，n为统计周期的总数，m为子序列的总数；

关联度的计算过程为：

；

；

式中， 为 和 的关联系数， 为预设的分辨系数。

4.根据权利要求1所述的基于跨源可解释性深度学习模型的山洪预警方法，其特征在于，所述根据所述关联度选取并组合环境参数，连接对应的山洪参数，作为该预警区域的样本的步骤包括：统计关联度，根据关联度确定数量；

按照关联度的降序选取所述数量的环境参数并组合；

连接组合的环境参数与山洪参数，作为该预警区域的样本；

所述数量的确定过程为：

；式中，D为确定的数量， 为第j个关联度， 为所有关联度的均值，为所有关联度的标准差； 为预设的修正系数。

5.一种基于跨源可解释性深度学习模型的山洪预警系统，其特征在于，所述系统包括：参数获取模块，用于接收工作人员输入的统计周期和预警区域，基于统计周期获取预警区域内的山洪参数和环境参数；所述山洪参数至少包括山洪次数及山洪量；所述环境参数至少包括大气温度、风速、土壤温度、植被指数、地形参数和降雨量；

关联度计算模块，用于按照统计周期的时间顺序统计山洪参数和环境参数，计算山洪参数和环境参数的关联度；

组合连接模块，用于根据所述关联度选取并组合环境参数，连接对应的山洪参数，作为该预警区域的样本；

模型训练模块，用于统计不同预警区域的样本，训练神经网络模型，同步构建解释内容库；所述解释内容库用于对神经网络模型的输出结果进行内容补充，补充的内容为得到同一输出的其他输入；

参数识别模块，用于当监测到新的环境参数时，将新的环境参数输入训练好的神经网络模型，得到输出结果，根据解释内容库确定输出结果的补充内容；

所述模型训练模块包括：

训练执行单元，用于统计不同预警区域的样本，构建训练集和测试集，训练神经网络模型；

相似度计算单元，用于比对山洪参数，计算山洪参数的数组相似度；

填充单元，用于当数组相似度达到预设的相似度阈值时，查询两个山洪参数对应的组合的环境参数，将其中一方的环境参数填充至另一山洪参数的解释内容库；所述解释内容库初始为空，其数据单元的数据结构与组合的环境参数的数据结构相同；

所述当监测到新的环境参数时，将新的环境参数输入训练好的神经网络模型，得到输出结果，根据解释内容库确定输出结果的补充内容的内容包括：当监测到新的环境参数时，将新的环境参数输入训练好的神经网络模型，得到预测的山洪参数；

由预测的山洪参数遍历样本中的山洪参数，当匹配成功时，查询匹配到的山洪参数的解释内容库，作为补充内容。

6.根据权利要求5所述的基于跨源可解释性深度学习模型的山洪预警系统，其特征在于，所述关联度计算模块包括：第一统计单元，用于按照统计周期的时间顺序统计山洪参数和环境参数；其中，统计周期作为行标，山洪参数和环境参数作为列标；

去量纲单元，用于对统计到的山洪参数和环境参数进行去量纲；

差值计算单元，用于将山洪参数作为母序列，环境参数作为子序列，根据去量纲后的数据计算两极最小差和两极最大差；

差值应用单元，用于基于两极最小差和两极最大差计算山洪参数和环境参数的关联度。

7.根据权利要求5所述的基于跨源可解释性深度学习模型的山洪预警系统，其特征在于，所述组合连接模块包括：第二统计单元，用于统计关联度，根据关联度确定数量；

组合执行单元，用于按照关联度的降序选取所述数量的环境参数并组合；

连接执行单元，用于连接组合的环境参数与山洪参数，作为该预警区域的样本；

所述数量的确定过程为：

；式中，D为确定的数量， 为第j个关联度， 为所有关联度的均值，为所有关联度的标准差； 为预设的修正系数。