1.基于三重多层感知机的数值天气预报混合资料同化方法，其特征在于，包括以下步骤：步骤1，建立基于三维变分资料同化方法的第一感知机模型，并对第一感知机模型进行训练；步骤2，建立基于集合卡尔曼滤波器资料同化方法的第二感知机模型，并对第二感知机模型进行训练；步骤3，建立混合同化的第三感知机模型；步骤4，根据第一感知机模型和第二感知机模型的输出对第三感知机模型进行训练；步骤5，使用训练好的第一感知机模型、第二感知机模型和第三感知机模型来计算获得分析场数据；所述的第一感知机模型、第二感知机模型和第三感知机模型均为前馈神经网络模型构成，第一感知机模型和第二感知机模型的输入均为背景场序列和观测值序列，输出分别为三维变分资料同化方法对应的分析场和集合卡尔曼滤波器资料同化方法对应的分析场，所述的第一感知机模型和第二感知机模型的输出作为第三感知机模型的输入，第三感知机模型的输出为优化后的分析场；所述的第一感知机模型的训练过程包括以下步骤：步骤101，准备第一训练数据集，包括背景场序列、观测值序列和对应的分析场；所述第一训练数据集中的背景场序列和观测值序列长度均为6，即采用6次背景场和6次观测值进行资料同化，对应的分析场表示为：其中， 表示t时刻的分析场， 表示t-i时刻的背景场， 表示t-i时刻的观测值，3Dω t-i 和3Dv t-i 分别是 和 的权重，bias 3D 表示偏差；所述第一训练数据集中对应的分析场是通过三维变分资料同化方法计算所得；步骤102，使用所述的训练数据集训练所述的第一感知机模型；所述的第二感知机模型的训练过程包括以下步骤：步骤201，准备第二训练数据集，包括背景场序列、观测值序列和对应的分析场；所述第二训练数据集中的背景场序列和观测值序列长度均为6，即采用6次背景场和6次观测值进行资料同化，对应的分析场表示为：其中 表示t时刻的分析场， 表示t-i时刻的背景场， 表示t-i时刻的观测值，Enω t-i 和Env t-i 分别是 和 的权重，bias En 表示偏差；所述第二训练数据集中对应的分析场是通过集合卡尔曼滤波器资料同化方法计算所得；步骤202，使用所述的训练数据集训练所述的第二感知机模型。
2.根据权利要求1所述的数值天气预报混合资料同化方法，其特征在于，所述的三维变分资料同化的分析场计算公式为：x a ＝x b +[B -1 +H T R -1 h] -1 H T R -1 (y-h(x b ))其中，x a 表示分析场，x b 表示背景场，B表示背景误差协方差矩阵，H是线性观测算子h的切线性算子，R表示观测误差协方差矩阵，y表示观测值；所述的三维变分资料同化的分析场计算公式通过变换获得目标函数的梯度信息，随后采用最优化方法迭代求解分析场计算公式的近似极小值。
3.根据权利要求1或2所述的数值天气预报混合资料同化方法，其特征在于，所述的第一感知机模型、第二感知机模型和第三感知机模型通过数值实验测定隐藏层个数以及每个隐藏层中的神经元数目，在所述的多层感知机中以ReLU为激活函数得到非线性结果，其损失函数为均方根误差MSE。
4.根据权利要求3所述的数值天气预报混合资料同化方法，其特征在于，所述的第一感知机模型、第二感知机模型训练时学习率η＝0.0005，当损失值达到10 -5 时训练停止，所述的第三感知机采用无隐藏层结构，直接由输出层加权得到输出层，训练时权重从0.1到1，递增率为0.1，两个权重占比之和为1。
