1.一种暴雨雨峰时段与雨型形态图的推求方法，其特征是，包括，获取设定区域的逐年降水数据；从所述逐年降水数据中选取各年最大降雨日作为暴雨样本，并选入暴雨样本集合；

获取所述暴雨样本的水汽通量数据和大气整体垂直速度数据；

根据设定区域的物理边界和所述水汽通量数据获取暴雨样本的整体水汽净收支量；

按日内时段划分所述整体水汽净收支量和所述大气整体垂直速度数据，获得每个时段的水汽净收支量和每个时段的大气整体垂直速度数据；

响应于任一时段的水汽净收支量和大气整体垂直速度数据均达到物理降雨条件，将所述时段选入主要降水时段集合；响应于任一时段的水汽净收支量或大气整体垂直速度数据达到物理无降雨条件，将所述时段选入无降水时段集合；

获取各个时段相对于所有时段的降雨量占比；

将所述无降水时段集合内所有时段的降雨量占比分配至所述主要降水时段集合内的时段，根据分配后的各个时段的降雨量占比推求雨峰时段与雨型形态图。

2.根据权利要求1所述暴雨雨峰时段与雨型形态图的推求方法，其特征是，所述获取所述暴雨样本的水汽通量数据和大气整体垂直速度数据，包括，获取用于检测降雨量的站点位置；

获取气象数据，在所述气象数据中找到与所述站点位置最邻近的数据格点；

从所述气象数据中提取所述最邻近的数据格点的大气整体垂直速度数据；

所述根据设定区域的物理边界和所述水汽通量数据获取暴雨样本的整体水汽净收支量，包括，将所述设定区域的物理边界拟合为根据经纬度划分的矩形区域；

获取气象数据，从所述气象数据中提取所述矩形区域内所有方向的水汽通量数据；

设定收入方向，根据设定的收入方向和所述所有方向的水汽通量数据获取所述矩形区域内的整体水汽净收支量，所述整体水汽净收支量通过下式获取：，

式中， 为矩形区域西边的水汽通量数据， 为矩形区域东边的水汽通量数据， 为矩形区域南边的水汽通量数据， 为矩形区域北边的水汽通量数据，代表时段，代表积分过程中的经度坐标， 代表积分过程中的纬度坐标， 和 分别为矩形区域的经度边界，和 分别为矩形区域的纬度边界， 为第 时段经度坐标 纬度坐标 的数据格点的水汽通量数据， 第 时段经度坐标 纬度坐标 的数据格点的水汽通量数据， 第 时段经度坐标 纬度坐标 的数据格点的水汽通量数据， 第时段经度坐标 纬度坐标 的数据格点的水汽通量数据，为积分计算， 和 分别为经度微分和纬度微分，西和南为收入方向， 为整体水汽净收支量。

3.根据权利要求1所述暴雨雨峰时段与雨型形态图的推求方法，其特征是，所述响应于任一时段的水汽净收支量和大气整体垂直速度数据均达到物理降雨条件，将所述时段选入主要降水时段集合；响应于任一时段的水汽净收支量或大气整体垂直速度数据达到物理无降雨条件，将所述时段选入无降水时段集合，包括，对所有时段的水汽净收支量进行排序，按照设定的百分比排名从所有时段的整体水汽净收支量序列中抽取两个整体水汽净收支量分别作为第一收支量阈值和小于第一收支量阈值的第二收支量阈值；

遍历所有时段，响应于所述时段内整体水汽净收支量大于所述第一收支量阈值且所述时段内大气整体垂直速度数据小于第一速度阈值，则将所述时段选入主要降水时段集合；

响应于所述时段内整体水汽净收支量小于所述第二收支量阈值或所述时段内大气整体垂直速度数据大于第二速度阈值，则将所述时段选入无降水时段集合。

4.根据权利要求1所述暴雨雨峰时段与雨型形态图的推求方法，其特征是，所述获取各个时段相对于所有时段的降雨量占比，包括，获取暴雨样本集合在各个时段相对于所有时段的降雨量占比的平均值，将各个时段的降雨量占比平均值作为各个时段最终的降雨量占比。

5.根据权利要求4所述暴雨雨峰时段与雨型形态图的推求方法，其特征是，将所述各年最大降雨日中单日降雨量最小作为第一降雨量阈值；

遍历选取后剩余的逐年降水数据，将单日降雨量大于所述第一降雨量阈值的降雨日也选入所述暴雨样本集合。

6.根据权利要求4所述暴雨雨峰时段与雨型形态图的推求方法，其特征是，所述将所述无降水时段集合内所有时段的降雨量占比分配至所述主要降水时段集合内的时段，根据分配后的各个时段的降雨量占比推求雨峰时段与雨型形态图，包括，对于所述暴雨样本集合中每个暴雨样本，根据各时段降雨量由大到小确定各时段的序号，降雨量越大的时段序号越小；

获取所述暴雨样本集合中所有暴雨样本各个时段的序号平均值；

获取所述暴雨样本集合中所有暴雨样本各个时段的平均降雨量占比；

根据所述序号平均值和所述平均降雨量占比确定出雨量过程线；

在所述雨量过程线的基础上，将所述无降水时段集合内所有时段的降雨量占比分配至所述主要降水时段集合内的时段，获得所述雨型形态图，并从所述雨型形态图中识别出所述雨峰时段。

7.根据权利要求4所述暴雨雨峰时段与雨型形态图的推求方法，其特征是，在获取暴雨样本集合在各个时段相对于所有时段的降雨量占比的平均值之前，包括，设定暴雨雨型的类型数量；

从所述暴雨样本集合中选取一个暴雨样本作为初始聚类中心；

计算所述暴雨样本集合中每个剩余暴雨样本与所述暴雨样本之间的最短距离；

根据每个剩余暴雨样本与所述暴雨样本之间的最短距离计算每个剩余暴雨样本被选为下一个聚类中心的概率，采用轮盘法并根据所述每个剩余暴雨样本被选为下一个聚类中心的概率选出下一个聚类中心，直至聚类中心数量达到所述暴雨雨型的类型数量；

更新每个类的聚类中心直至每个类的聚类中心不再发生变化，获得分类结果；根据所述分类结果对暴雨样本集合进行分类；每次更新包括：根据所述暴雨样本集合中每个暴雨样本与各个聚类中心之间的距离将每个剩余暴雨样本归类到最近的聚类中心对应聚类中；

计算每个聚类的质心样本，将所述质心样本作为对应聚类新的聚类中心。

8.一种计算机设备，其特征在于，包括处理器以及与所述处理器连接的存储器，在所述存储器内存储有计算机程序，当所述计算机程序被所述处理器执行时，执行如权利要求1至

7任一项所述暴雨雨峰时段与雨型形态图的推求方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7任一项所述暴雨雨峰时段与雨型形态图的推求方法的步骤。

10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至7中任一项所述暴雨雨峰时段与雨型形态图的推求方法的步骤。