1.一种对流天气影响终端区模式识别服务器，其特征在于，包括：获取模块，获取对流天气数据；特征构建模块，根据对流天气数据构建对流天气影响终端区特征；模型构建模块，根据特征构建对流天气对终端区影响的聚类模型；以及分析模块，根据聚类模型的聚类结果进行对比分析；所述模型构建模块适于根据特征构建对流天气对终端区影响的聚类模型，即对流天气的K-means聚类分析；在所提取的对流天气凸包样本数据中随机选择k个对流天气样本数据点作为初始聚类中心；计算其余的对流天气样本与聚类中心的欧式距离，并把各对流天气样本标记为离k个聚类中心最为接近的类别；重新计算各类别中对流天气样本的平均值，并将对流天气样本的平均值作为新的k个聚类中心，直至聚类中心的变化趋势变得平稳，构成了最后的k个类别；所述模型构建模块适于根据特征构建对流天气对终端区影响的聚类模型，即对流天气的谱聚类聚类分析；根据高斯核距离的方式生成样本的高斯相似度矩阵R；基于高斯相似矩阵R建立邻接矩阵W，构建度矩阵G；获取尚未标准化的拉普拉斯矩阵L，L＝G-R；构建归一化后的拉普拉斯矩阵G-1/2LG-1/2；获取G-1/2LG-1/2最小的k 1 个特征值所各自对应的特征向量f；各类对应的特征向量f组成的矩阵进行按行标准化，获取n×k 1 维的特征矩阵F；对F中的每一行作为一个k 1 维的样本，共n个样本，根据k-means进行聚类，聚类的维度为k 2 ，获取类别划分N：n 1 ，n 2 ，···，n k2 ；所述模型构建模块适于根据特征构建对流天气对终端区影响的聚类模型，即对流天气的高斯混合聚类分析；样本集D＝{x 1 ,x 2 ,...,x m }服从高斯分布；初始化高斯混合分布的模型参数π i ，μ i ，σ i ；计算x j 由各混合成分生成的后验概率，并记为γ ji ；计算新的模型参数并进行迭代，直到满足停止条件；将每个样本按照λ j ＝arg maxγ ji ，i∈{1,2,...,k}，划入相应的类别当中，获取k个聚类类别。
2.如权利要求1所述的对流天气影响终端区模式识别服务器，其特征在于，所述获取模块适于获取对流天气数据，即根据原始的雷达反射率图获取WAF数据，并将WAF数据中中心位于终端区中心预设范围之外的天气数据删除。
3.如权利要求2所述的对流天气影响终端区模式识别服务器，其特征在于，所述特征构建模块适于根据对流天气数据构建对流天气影响终端区特征，即构建对流天气对主要离场点的影响特征；获取对流天气对终端区的主要离场点YIN，流控随天气覆盖比重的变化为：其中，q YIN 为从YIN离场的两架航空器之间的放行时间间隔；β为WAF覆盖终端区边界的比重，正值为WAF覆盖在YIN点离场方向左侧，负值为WAF覆盖在YIN点离场方向右侧；WAF凸包集合为WAF＝{WAF 1 ,WAF 2 ,...,WAF n }，其中，决策变量x为0-1变量，判断WAF是否覆盖集合D当中的任一离场点；当x＝1,D i ∈D时，D i 的边界覆盖比重为：β i 为D i 的边界覆盖比重；d wxl 为以D i 为起点WAF凸包左边覆盖的线段长度；d wxr 为以D i 为起点WAF凸包右边覆盖的线段长度；d il 为与D i 相邻的左边终端区边界长度；d ir 为与D i 相邻的右边终端区边界长度。
4.如权利要求3所述的对流天气影响终端区模式识别服务器，其特征在于，所述特征构建模块适于根据对流天气数据构建对流天气影响终端区特征，即对流天气对主要进场走廊的影响特征，天气危险指数和可用流容比；所述天气危险指数为WSI，空域被危险天气覆盖的比例；其中，S wx 为被对流天气覆盖的空域面积；S为空域的总面积；当WSI超过预设阈值时，该空域失去通行能力；所述可用流容比为未被天气覆盖的区域允许航空器通行的能力；基于最大流最小割的第j个WAF凸包的可用流容比为：其中，AFCR kj 为在第j个WAF凸包的影响下的第k个进场走廊多边形的可用流容比；Mincut j 为在第j个WAF凸包的影响下的第k个进场走廊多边形的最小割；Mincut k0 为良好天气下第k个进场走廊多边形的最小割；e t 和e b 分别代表进场走廊多边形的顶边和底边；d min 为最短距离。
5.如权利要求1所述的对流天气影响终端区模式识别服务器，其特征在于，所述分析模块适于根据聚类模型的聚类结果进行对比分析面积根据聚类模型的聚类结果，判断高斯混合聚类的聚类结果符合终端区的实际管制情况。
6.一种对流天气影响终端区模式识别系统，其特征在于，包括：采集装置，所述采集装置适于采用对流天气数据；以及如权利要求1-5任一项所述的对流天气影响终端区模式识别服务器，所述服务器适于接收对流天气数据，以及根据对流天气数据生成聚类模型并分析。
