1.一种输电线路覆冰厚度预测模型的构建方法，其特征在于，包括：采集待测区域的基础数据；其中，所述基础数据包括：数字高程模型数据、覆冰终端监测数据、人工观冰数据、气象站数据和MODIS植被指数数据；对所述覆冰终端监测数据和所述人工观冰数据进行数据清洗，得到有效覆冰观测数据；根据所述数字高程模型数据识别和划分所述待测区域的微地形区类型；根据所述基础数据、所述有效覆冰观测数据和所述微地形区类型建立样本库；通过所述样本库对梯度提升树模型进行训练和参数优化，得到输电线路覆冰厚度预测模型；所述通过所述样本库对梯度提升树模型进行训练和参数优化，得到输电线路覆冰厚度预测模型，具体为：按照预设比例将所述样本库划分为训练样本和测试样本；通过所述训练样本对所述梯度提升树模型进行训练和参数调整，得到训练后的梯度提升树模型；对所述训练后的梯度提升树模型进行交叉验证，计算基于不同参数训练后的梯度提升树模型的模拟精度；比较所述不同参数训练后的梯度提升树模型的模拟精度，将模拟精度最高的所述训练后的梯度提升树模型作为输电线路覆冰厚度预测模型；所述通过所述训练样本对所述梯度提升树模型进行训练和参数调整，得到训练后的梯度提升树模型，包括：根据所述训练样本构建训练数据集 ；其中，x i 为样本属性集合，y i 为样本标记集合，n为样本个数；根据公式1对目标函数 初始化一个弱回归器： （公式1）；其中，所述c为常数，L为损失函数， 为损失函数的极小值， 为寻求一个常数c使所述损失函数L达到极小值；对所述梯度提升树模型中的第m=1，2，……，M个模型回归树，依次执行以下步骤：根据公式2计算第m个所述模型回归树的第i个样本的残差r mi ： （公式2）；根据(x i , r mi )拟合第m个所述模型回归树，得到第m个所述模型回归树中第j个节点的叶子节点区域R mj ，j=1，2，……，J，其中J为第m个所述模型回归树的叶子节点数目；根据公式3计算第m个所述模型回归树中第j个节点的叶子节点区域R mj 中的固定输出值c mj ，使得所有所述叶子节点区域的损失函数最小： （公式3）；根据公式4更新第m个所述模型回归树 ： （公式4）；其中， 为指示函数；根据公式5和更新后的M个模型回归树，得到训练后的梯度提升树模型 ： （公式5）。
2.如权利要求1所述的输电线路覆冰厚度预测模型的构建方法，其特征在于，所述对所述覆冰终端监测数据和所述人工观冰数据进行数据清洗，得到有效覆冰观测数据，具体为：对所述覆冰终端监测数据和所述人工观冰数据中的等值覆冰厚度值进行异常值剔除，得到第一覆冰观测数据；对所述第一覆冰观测数据中的观冰温度、相对湿度和风速进行异常值剔除，得到第二覆冰观测数据；对所述第二覆冰观测数据中缺失的气象参数采用空间插值算法进行补全，得到有效覆冰观测数据。
3.如权利要求1所述的输电线路覆冰厚度预测模型的构建方法，其特征在于，所述微地形区类型包括：山脊地形、山谷地形、垭口地形、迎风坡地形、背风坡地形和水汽上行区。
4.如权利要求3所述的输电线路覆冰厚度预测模型的构建方法，其特征在于，所述根据所述数字高程模型数据识别和划分微地形区类型，具体为：通过地表流水物理模拟算法对所述数字高程模型数据进行处理，得到山脊地形和山谷地形；对所述山脊地形和栅格单元进行空间叠置分析，将所述山脊地形与所述山谷地形重叠区域的栅格单元定义为垭口地形；定义山谷地形、山脊地形和垭口地形之外的区域为山坡地形，根据所述数字高程模型数据计算山坡地形像元的坡度值，搜索所述待测区域内与所述山坡地形像元位置距离最短的气象站，计算所述气象站的冬季平均风向，根据所述坡度值和所述冬季平均风向划分所述山坡地形为迎风坡地形或背风坡地形。
5.如权利要求4所述的输电线路覆冰厚度预测模型的构建方法，其特征在于，所述根据所述数字高程模型数据识别和划分微地形区类型，还包括：通过对所述待测区域内的水域边界数据进行GIS缓冲区分析，得到所述待测区域内的缓冲区；将所述缓冲区与所述迎风坡地形进行空间叠置，将所述缓冲区与所述迎风坡地形重叠区域定义为水汽上行区。
6.如权利要求1所述的输电线路覆冰厚度预测模型的构建方法，其特征在于，所述根据所述基础数据、所述有效覆冰观测数据和所述微地形区类型建立样本库，具体为：根据所述数字高程模型数据进行坡度分析和坡向分析，得到所述待测区域的坡度、坡向和高程值，将所述坡度、所述坡向、所述高程值和所述待测区域的微地形区类型作为地形因子；根据所述MODIS植被指数数据提取所述有效覆冰观测数据当月的归一化植被指数作为遥感因子；根据所述有效覆冰观测数据提取所述待测区域的气象因子；将所述地形因子、所述遥感因子和所述气象因子作为X序列，将所述有效覆冰观测数据的等值覆冰厚度作为Y序列，构建输电线路覆冰厚度预测模型的样本库。
7.一种输电线路覆冰厚度预测模型的构建装置，其特征在于，包括：数据采集模块，用于采集待测区域的基础数据；其中，所述基础数据包括：数字高程模型数据、覆冰终端监测数据、人工观冰数据、气象站数据和MODIS植被指数数据；数据处理模块，用于对所述覆冰终端监测数据和所述人工观冰数据进行数据清洗，得到有效覆冰观测数据；地形划分模块，用于根据所述数字高程模型数据识别和划分所述待测区域的微地形区类型；样本构建模块，用于根据所述基础数据、所述有效覆冰观测数据和所述微地形区类型建立样本库；模型构建模块，用于通过所述样本库对梯度提升树模型进行训练和参数优化，得到输电线路覆冰厚度预测模型；所述模型构建模块，包括：样本划分单元，用于按照预设比例将所述样本库划分为训练样本和测试样本；模型训练单元，用于通过所述训练样本对所述梯度提升树模型进行训练和参数调整，得到训练后的梯度提升树模型；精度运算单元，用于：对所述训练后的梯度提升树模型进行交叉验证，计算基于不同参数训练后的梯度提升树模型的模拟精度；比较所述不同参数训练后的梯度提升树模型的模拟精度，将模拟精度最高的所述训练后的梯度提升树模型作为输电线路覆冰厚度预测模型；所述模型训练单元，用于：根据所述训练样本构建训练数据集 ；其中，x i 为样本属性集合，y i 为样本标记集合，n为样本个数；根据公式1对目标函数 初始化一个弱回归器： （公式1）；其中，所述c为常数，L为损失函数， 为损失函数的极小值， 为寻求一个常数c使所述损失函数L达到极小值；对所述梯度提升树模型中的第m=1，2，……，M个模型回归树，依次执行以下步骤：根据公式2计算第m个所述模型回归树的第i个样本的残差r mi ： （公式2）；根据(x i , r mi )拟合第m个所述模型回归树，得到第m个所述模型回归树中第j个节点的叶子节点区域R mj ，j=1，2，……，J，其中J为第m个所述模型回归树的叶子节点数目；根据公式3计算第m个所述模型回归树中第j个节点的叶子节点区域R mj 中的固定输出值c mj ，使得所有所述叶子节点区域的损失函数最小： （公式3）；根据公式4更新第m个所述模型回归树 ： （公式4）；其中， 为指示函数；根据公式5和更新后的M个模型回归树，得到训练后的梯度提升树模型 ： （公式5）。
8.如权利要求7所述的输电线路覆冰厚度预测模型的构建装置，其特征在于，所述数据处理模块，包括：第一数据处理单元，用于对所述覆冰终端监测数据和所述人工观冰数据中的等值覆冰厚度值进行异常值剔除，得到第一覆冰观测数据；第二数据处理单元，用于对所述第一覆冰观测数据中的观冰温度、相对湿度和风速进行异常值剔除，得到第二覆冰观测数据；第三数据处理单元，用于对所述第二覆冰观测数据中缺失的气象参数采用空间插值算法进行补全，得到有效覆冰观测数据。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的输电线路覆冰厚度预测模型的构建方法。
