1.基于多维偏差的区域气象要素预报误差评估方法，其特征在于，所述方法包括：获取目标地区近一个月的气象信息和卫星云图，作为原始信息；

获取原始信息对应的预测信息；分析原始信息和预测信息，判断预测信息中的误差是否在合理范围；若是，则不处理；若不是，则分析预测信息中气象因子随时间的变化，找出出现误差的气象因子，并修正；若无法修正，则获取目标地区近三年对应月份的气象信息作为历史信息；

根据历史信息提取近三年目标地区的温度和湿度数据，并分析目标地区温度和湿度的变化趋势，基于变化趋势重新构建线性模型预测目标地区的温度和湿度；根据历史信息对目标地区的风速进行矢量拆分，再基于三角函数建模预测目标地区的风力变化；统计目标地区的降雨和降雪频率，以温度、湿度、气压和其他气象条件作为判断条件，建立目标地区降水或降雪的分段概率模型，预测目标地区的天气；

所述判断预测信息中的误差是否在合理范围的具体步骤如下：预测数据表示：预测温度、预测湿度、预测风向和预测风速以及预测天气；

判断气象信息中数值信息的差异是否在ε以内，判断气象信息中文字信息的差异是否在ε以内；ε表示误差判定系数；

若气象信息与预测数据中的数值信息差异和文字信息差异，都在ε以内，则说明预测信息中的误差在合理范围内，跳过后续的步骤；

若气象信息与预测数据中的数值信息差异和文字信息差异，都不在ε以内，则说明预测信息不可信；

将近一个月的月份作为目标月，获取目标地区近三年在目标月内的气象信息作为历史信息，不执行后续的修正步骤；

若气象信息与预测数据中的数值信息差异在ε以内或文字信息差异在ε以内，则说明预测信息中的误差部分合理，分析预测信息中出现误差的气象因子，修正预测信息；

所述修正预测信息的具体步骤如下：若气象信息与预测数据中的数值信息差异在ε以内，则比较预测信息中的预测温度、预测湿度和预测风速与气象信息中的温度、湿度和风速之间的大小关系，找出预测信息中出现误差的气象因子，作为偏差因子；分析偏差因子的随时间的变化，修正预测信息；

气象信息与预测数据中的文字信息差异在ε以内，则分析预测信息中的预测风速和预测天气；

所述分析偏差因子的随时间的变化，修正预测信息的具体步骤如下：若偏差因子为温度，则以气象信息中的温度为基准，分析预测信息中的预测温度随温度的变化，修正预测信息中的温度错误；

若偏差因子为湿度，则重复修正预测信息中温度错误的相同步骤，修正预测信息中的湿度错误；

若偏差因子为风速，以气象信息中风向对预测信息中的预测风速进行矢量分解，得到近一个月第1至第mn天的横向预测风速hfv（1）～hfv（mn）和纵向预测风速zfv（1）～zfv（mn）；

修正预测信息的预测横向风速和预测纵向风速。

2.根据权利要求1所述的基于多维偏差的区域气象要素预报误差评估方法，其特征在于，所述修正预测信息中的温度错误的具体步骤如下：将预测信息中近一个月的预测温度记作ft（1,1）～ft（mn,24），将原始信息中的温度记作pt（1,1）～pt（mn,24）；

根据ft（1,1）～ft（mn,24）和pt（1,1）～pt（mn,24）计算卡尔曼增益Kk（1）～Kk（mn）和观测映射系数H（1）～H（mn）；

计算Kk（1）～Kk（mn）的平均值aKk，H（1）～H（mn）的平均值aH；

根据ft（1,1）～ft（mn,24）和pt（1,1）～pt（mn,24）计算近一个月1时至2时的状态转移矩阵A（1，1‑2）～A（mn，1‑2）；

同理，23时至24时的状态转移矩阵A（1，23‑24）～A（mn，23‑24）；

计算A（1，1‑2）～A（mn，1‑2）的均值矩阵作为温度在1时至2时的变化矩阵aA（1‑2）同理，计算A（1，23‑24）～A（mn，23‑24）的均值矩阵作为温度在23时至24时的变化矩阵aA（23‑24）；

设目标地区在ti时的实际温度为t（ti），设ti时和（ti＋1）时的预估温度分别为ft（ti）和ft（ti+1）；

设ti时至（ti＋1）时的变化矩阵为aA（ti‑（ti+1）），修正后的（ti＋1）时预估温度为amt（ti+1）；

构造关系式A1：

；

根据关系式A1修正预测信息中的预测温度。

3.根据权利要求2所述的基于多维偏差的区域气象要素预报误差评估方法，其特征在于，所述Kk（1）和H（1）以及状态转移矩阵A（1，1‑2）～A（1，23‑24）的具体计算步骤如下：构造矩阵Mf（1‑2）： ；

构造矩阵Mp（1‑2）： ；

计算状态转移矩阵A（1，1‑2）：；

计算矩阵Mf（1‑2）变为矩阵Mp（1‑2）的过程噪声矩阵wM（1‑2）：；

计算观测映射系数H（1，1‑2）：；

计算观测噪声的协方差RM（1‑2）：；

计算过程噪声的协方差QM（1‑2）：；

计算预测误差协方差Pk（1‑2）：；

计算Kk（1，1‑2）：

。

4.根据权利要求1所述的基于多维偏差的区域气象要素预报误差评估方法，其特征在于，所述修正预测信息中的预测横向风速的具体步骤如下：计算hv（1）～hv（mn）的平均值ahv；

计算近一个月第1至第mn天的白噪声et（1）～et（mn）；

计算hfv（1）～hfv（mn）的一阶差分，得到▽hfv（2）～▽hfv（mn）；

计算hv（1）～hv（mn）的一阶差分，得到▽hv（2）～▽hv（mn）；

设日期为da，日期为da的横向风速的一阶差分为▽hv（da）；

日期为（da＋1）的预测横向风速的一阶差分为▽hfv（da+1），横向风速的一阶差分为▽hv（da+1）；

日期为da的预测横向风速hfv（da），横向风速hv（da）；

第da天的白噪声为et（da），第（da＋1）天的白噪声为et（da+1）；

构造关系式A2‑1：

；

φ表示自回归系数，θ表示滑动平均系数；

基于关系式A2‑1，使用最大似然估计算法，计算φ和θ；

构造关系式A2‑2：

；

α和β表示预测横向风速关于横向风速的关系系数；

ηt（da+1）表示第（da＋1）天的残差项：；

基于关系式A2‑2，使用最大似然估计算法，计算α和β；

根据关系式A2‑1和关系式A2‑2修正预测信息中的横向预测风速。

5.根据权利要求1所述的基于多维偏差的区域气象要素预报误差评估方法，其特征在于，所述分析预测信息中的预测风速和预测天气的具体步骤：若预测信息中的预测风速与气象信息中的风速不匹配，则把横向预测风速记作uv，把纵向预测风速记作vv；

计算合风速wv： ；

计算风向角jv： ；

o o o o

若jv在0 ～90之间，则风向为西南风；若jv在90～180之间，则风向为东南风；若jv在o o o o

180～270之间，则风向为东北风；若jv在270～360之间，则风向为西北风；

若预测信息中的预测天气与气象信息中的天气不匹配，则接入多光谱融合算法，通过卫星获取目标地区对应云层的红外波段、可见波段以及短波红外波段的数据，使用GPM算法修正目标地区的天气。