1.一种基于大数据的采供血样本数据处理方法，其特征在于，所述采供血样本数据处理方法包括以下步骤：通过多源异构数据采集平台获取采供血全流程数据，对所述采供血全流程数据进行数据预处理，得到处理采供血全流程数据；

利用LMS自适应最小均方误差算法对所述处理采供血全流程数据中的异常值和冗余数据进行降噪，并建立标准化数据存储结构，得到标准采供血数据；

基于LSTM神经网络构建血液供需动态预测模型，在LSTM神经网络中添加Attention注意力机制，并利用PSO粒子群算法优化模型超参数，得到LSTM‑Attention目标血液供需动态预测模型；

将所述标准采供血数据输入至所述LSTM‑Attention目标血液供需动态预测模型中进行识别，得到区域化供需平衡指数；

根据所述区域化供需平衡指数生成多层级血液库存预警机制，基于所述多层级血液库存预警机制提供采供血管理策略。

2.如权利要求1所述的一种基于大数据的采供血样本数据处理方法，其特征在于，所述通过多源异构数据采集平台获取采供血全流程数据，对所述采供血全流程数据进行数据预处理，得到处理采供血全流程数据，包括：通过多源异构数据采集平台获取采供血全流程数据，至少包括献血者健康档案、血液检测结果、库存动态数据、医疗机构用血需求数据及外部环境数据；

对所述采供血全流程数据中的缺失值进行填充，并对填充后的数据进行数据集成和转换，得到处理采供血全流程数据。

3.如权利要求1所述的一种基于大数据的采供血样本数据处理方法，其特征在于，所述利用LMS自适应最小均方误差算法对所述处理采供血全流程数据中的异常值和冗余数据进行降噪，并建立标准化数据存储结构，得到标准采供血数据，包括：设置滤波器的初始权重向量为零向量，步长因子μ=0.01，滤波器阶数N=10；

将所述处理采供血全流程数据按顺序输入LMS自适应最小均方误差算法中；

计算滤波器的输出为当前输入与前一个输入的加权和，得到加权采供血数据，计算所述加权采供血数据中的误差信号；

根据LMS自适应最小均方误差算法的权重更新公式更新滤波器的权重向量，令权重逐渐逼近最优解，最小化误差的均方值，对每个时刻的输入数据重复计算，得到降噪后的采供血数据序列。

4.如权利要求1所述的一种基于大数据的采供血样本数据处理方法，其特征在于，所述基于LSTM神经网络构建血液供需动态预测模型，在LSTM神经网络中添加Attention注意力机制，包括：构建一个多层LSTM神经网络，至少包括输入层、LSTM隐藏层和输出层；

在LSTM隐藏层的输出之后添加Attention注意力层，用于聚焦对当前血液供需预测时间步信息；

将标准化后的采供血数据按时间顺序划分为时间序列样本，每个样本包含时间步的特征数据和当前时间步的目标数据；

定义滑动窗口为30天，通过滑动窗口生成训练样本捕捉短期到中期的时间依赖关系。

5.如权利要求1所述的一种基于大数据的采供血样本数据处理方法，其特征在于，所述并利用PSO粒子群算法优化模型超参数，得到LSTM‑Attention目标血液供需动态预测模型，还包括：随机生成M个粒子，每个粒子的位置在超参数搜索范围内随机初始化，随机初始化速度；

对于每个粒子，根据其代表的超参数组合构建LSTM‑Attention模型，在训练集上进行训练，在验证集上计算RMSE作为适应度值；

记录每个粒子的历史最优的位置和对应的适应度值，记录所有粒子历史最优的位置和适应度值；

根据PSO算法的速度和位置更新公式更新个体最优和全局最优，更新后的位置需要限制在超参数搜索范围内；

当适应度值不再显著变化时终止迭代，得到最优的超参数组合。

6.如权利要求1所述的一种基于大数据的采供血样本数据处理方法，其特征在于，所述将所述标准采供血数据输入至所述LSTM‑Attention目标血液供需动态预测模型中进行识别，得到区域化供需平衡指数，还包括：将标准化后的采供血数据按时间顺序划分为70%训练集、20%验证集和10%测试集；

使用Adam优化器对模型进行训练，设置初始学习率为0.001，根据验证集的损失值进行学习率衰减。

7.如权利要求1所述的一种基于大数据的采供血样本数据处理方法，其特征在于，所述根据所述区域化供需平衡指数生成多层级血液库存预警机制，基于所述多层级血液库存预警机制提供采供血管理策略，还包括：根据所述区域化供需平衡指数生成多层级血液库存预警机制，至少包括严重短缺预警、中度短缺预警、轻度短缺预警和正常预警；

当触发不同层级的预警时，通过短信、邮件向血站管理人员、采血部门、医疗机构人员发布预警信息，信息内容包括预警层级、涉及的血液类型、当前库存情况、预计供需缺口和建议采取的措施。

8.一种基于大数据的采供血样本数据处理系统，其特征在于，所述采供血样本数据处理系统包括以下模块：采供血数据获取模块，用于通过多源异构数据采集平台获取采供血全流程数据，对所述采供血全流程数据进行数据预处理，得到处理采供血全流程数据；

采供血数据处理模块，用于利用LMS自适应最小均方误差算法对所述处理采供血全流程数据中的异常值和冗余数据进行降噪，并建立标准化数据存储结构，得到标准采供血数据；

预测模型建立模块，用于基于LSTM神经网络构建血液供需动态预测模型，在LSTM神经网络中添加Attention注意力机制，并利用PSO粒子群算法优化模型超参数，得到LSTM‑Attention目标血液供需动态预测模型；

供需平衡预测模块，用于将所述标准采供血数据输入至所述LSTM‑Attention目标血液供需动态预测模型中进行识别，得到区域化供需平衡指数；

采供血管理模块，用于根据所述区域化供需平衡指数生成多层级血液库存预警机制，基于所述多层级血液库存预警机制提供采供血管理策略。

9.如权利要求8所述的一种基于大数据的采供血样本数据处理系统，其特征在于，所述采供血数据获取模块包括以下子模块：采集子模块，用于通过多源异构数据采集平台获取采供血全流程数据，至少包括献血者健康档案、血液检测结果、库存动态数据、医疗机构用血需求数据及外部环境数据；

处理子模块，用于对所述采供血全流程数据中的缺失值进行填充，并对填充后的数据进行数据集成和转换，得到处理采供血全流程数据。

10.如权利要求8所述的一种基于大数据的采供血样本数据处理系统，其特征在于，所述采供血数据处理模块包括以下子模块：设置子模块，用于设置滤波器的初始权重向量为零向量，步长因子μ=0.01，滤波器阶数N=10；

输入子模块，用于将所述处理采供血全流程数据按顺序输入LMS自适应最小均方误差算法中；

计算子模块，用于计算滤波器的输出为当前输入与前一个输入的加权和，得到加权采供血数据，计算所述加权采供血数据中的误差信号；

得到子模块，用于根据LMS自适应最小均方误差算法的权重更新公式更新滤波器的权重向量，令权重逐渐逼近最优解，最小化误差的均方值，对每个时刻的输入数据重复计算，得到降噪后的采供血数据序列。