1.一种大数据智慧健康的呼吸动态监测方法，其特征在于，所述方法包括：

获取当前患者的呼吸压力信号和呼吸的压力值；根据所述呼吸压力信号的变化特征，获取呼吸压力信号的每个呼吸周期的时域区间；

基于每个所述时域区间内的所有所述压力值，获取对应每个所述呼吸周期的做功量；

基于所述做功量对每个所述呼吸周期划分呼吸模式；基于STL算法提取所述呼吸压力信号的最新的季节周期；根据所述季节周期内时序相邻的所述呼吸周期的所述做功量的变化特征，结合呼吸模式的所述呼吸周期的数量分布特征，获取呼吸稳定系数；

当所述呼吸稳定系数大于或等于预设稳定阈值时，利用预设预测模型获取预测呼吸压力信号；根据所述季节周期内所述呼吸压力信号与预测呼吸压力信号的差异特征，结合相邻季节周期的呼吸稳定系数的差异，判定是否重新预测；当判定不重新预测时，根据最终的所述预测呼吸压力信号获取预测呼吸模式。

2.根据权利要求1所述的一种大数据智慧健康的呼吸动态监测方法，其特征在于，所述时域区间的获取方法包括：提取所述呼吸压力信号的趋势曲线；将所述趋势曲线中两个相邻极小值点之间的时域，划分为一个呼吸周期的时域区间。

3.根据权利要求1所述的一种大数据智慧健康的呼吸动态监测方法，其特征在于，所述呼吸模式的获取方法包括：当所述做功量处于第一预设做功区间时，标记对应所述呼吸周期为快速浅呼吸，并设定标识序号为01；当所述做功量处于第二预设做功区间时，标记对应所述呼吸周期为正常静息呼吸，并设定标识序号为02；当所述做功量处于第三预设做功区间时，标记对应所述呼吸周期为深呼吸，并设定标识序号为03；当所述做功量处于第四预设做功区间时，标记对应所述呼吸周期为强迫性呼吸，并设定标识序号为04。

4.根据权利要求3所述的一种大数据智慧健康的呼吸动态监测方法，其特征在于，所述呼吸稳定系数的获取方法包括：在最新的所述季节周期内，当某种所述呼吸模式对应的所述呼吸周期的数量最多时，将此种所述呼吸模式标记为主要呼吸模式，将其他所述呼吸模式标记为次要呼吸模式；

根据所述季节周期内所有所述次要呼吸模式对应的所述呼吸周期的数量，结合时序相邻的所述呼吸周期的所述做功量的差值绝对值，获取最新的所述季节周期的呼吸稳定系数；所有所述次要呼吸模式对应的所述呼吸周期的数量，和时序相邻的所述呼吸周期的所述做功量的差值绝对值均与所述呼吸稳定系数呈负相关。

5.根据权利要求4所述的一种大数据智慧健康的呼吸动态监测方法，其特征在于，所述判定是否重新预测的方法包括：获取所述预测呼吸压力信号的每个呼吸周期的时域区间；将最新的所述季节周期内呼吸周期数量作为对比周期数量；截取时域靠前的所述对比周期数量个呼吸周期的所述预测呼吸压力信号，作为预测对比信号，获取所述预测对比信号中每个呼吸周期的呼吸模式；

在所述预测对比信号和所述季节周期内所述呼吸压力信号中，抽取预设数量对时序序号相同的呼吸周期构成对比二元组；根据每个所述对比二元组中，两个呼吸周期的呼吸模式的所述标识序号的差异，结合相邻季节周期的呼吸稳定系数的差异，获取预测可信度；所述标识序号的差异与所述预测可信度呈负相关；

当所述预测可信度小于预设可信度阈值时，判定重新预测并在重新预测后重新判定；

当所述预测可信度大于或等于预设可信度阈值时，判定不重新预测。

6.根据权利要求5所述的一种大数据智慧健康的呼吸动态监测方法，其特征在于，所述预测呼吸模式的获取方法包括：在最终的所述预测呼吸压力信号的所述预测对比信号中，将每种呼吸模式的呼吸周期的数量占据所有呼吸周期的总数量的比例，作为每种呼吸模式的比重；选择所述比重最大的呼吸模式作为预测呼吸模式。

7.根据权利要求1所述的一种大数据智慧健康的呼吸动态监测方法，其特征在于，所述做功量的获取方法包括：对每个所述时域区间内所述压力值进行积分，将积分值作为对应所述呼吸周期的做功量。

8.根据权利要求1所述的一种大数据智慧健康的呼吸动态监测方法，其特征在于，所述预设预测模型为ARIMA模型。

9.一种大数据智慧健康的呼吸动态监测系统，所述系统包括：

数据获取模块：获取当前患者的呼吸压力信号和呼吸的压力值；根据所述呼吸压力信号的变化特征，获取呼吸压力信号的每个呼吸周期的时域区间；

呼吸分析模块：基于每个所述时域区间内的所有所述压力值，获取对应每个所述呼吸周期的做功量；基于所述做功量对每个所述呼吸周期划分呼吸模式；基于STL算法提取所述呼吸压力信号的最新的季节周期；根据所述季节周期内时序相邻的所述呼吸周期的所述做功量的变化特征，结合呼吸模式的所述呼吸周期的数量分布特征，获取呼吸稳定系数；

呼吸预测模块：当所述呼吸稳定系数大于或等于预设稳定阈值时，利用预设预测模型获取预测呼吸压力信号；根据所述季节周期内所述呼吸压力信号与预测呼吸压力信号的差异特征，结合相邻季节周期的呼吸稳定系数的差异，判定是否重新预测；当判定不重新预测时，根据最终的所述预测呼吸压力信号获取预测呼吸模式。

10.一种大数据智慧健康的呼吸动态监测终端，所述终端包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1 8任意一项所述一种大数据智慧健康的呼吸动态监测方~法的步骤。