1.基于人工智能的臭氧层预报算法，其特征在于，包括以下步骤：S1.建立臭氧浓度监测站点：选取对周围环境和活性污染物的排放没有影响的位置作为臭氧浓度监测站点；S2.收集、获取历史气象数据：获取每一臭氧浓度监测站点历史每天的日浓度数据、每一臭氧浓度监测站点历史每天预测的日浓度数据和所述每一臭氧浓度监测站点历史每天对应的参考结果，所述每一臭氧浓度监测站点历史每天对应的参考结果为每一臭氧浓度监测站点历史每天预测的日浓度数据与每一臭氧浓度监测站点历史每天的日浓度数据之差；S3.选取影响因子：选取昨日O 3 -8h值、PM2.5日均浓度、NO2日均浓度、预测的日平均气压、日平均风速和日平均气温作为影响因子；S4.对一天O 3 -8h值进行初步预测：通过拟合的方式，将气象参数的预测值和实测值代入预测方程中，通过求取方程来对每一臭氧浓度监测站点的要预测的那一天的O 3 -8h值进行预测；S5.建立新的超混沌系统：提出新的超混沌系统及其相应的复杂系统，以生成神经网络输入层和隐含层之间的连接权重值、隐含层中的神经元阈值，实现更好的预测结果；S6.建立人工神经网络：网络分为三个部分：输入层，隐藏层和输出层，在网络中，输入层，隐藏层和输出层的神经元完全连接；S7.建立混沌人工神经网络：所述混沌人工神经网络是将新的超混沌系统与人工神经网络混合，且所述混沌人工神经网络是通过人工神经网络、BP和多元线性回归模型对臭氧浓度进行预测；S8.利用混沌人工神经网络进行长短期预报。
2.根据权利要求1所述的基于人工智能的臭氧层预报算法，其特征在于：所述S1中的污染物浓度数据包括二氧化硫SO2、二氧化氮NO2、O 3 、O 3 -8h、空气动力学直径为2.5微米或更小的细颗粒物PM2.5和空气动力学直径为10微米或更小的细颗粒物PM10。
3.根据权利要求1所述的基于人工智能的臭氧层预报算法，其特征在于：所述S2中收集、获取历史气象数据还包括获取每一臭氧浓度监测站点的任一历史时刻对应的点源排放特征，所述每一臭氧浓度监测站点的任一历史时刻对应的点源排放特征通过以下步骤获取：S101.获取敏感区域，所述敏感区域包括与所述每一臭氧浓度监测站点所在的城市接壤的所有城市；S102.将所述敏感区域划分为若干个相同的矩形，获取所述每一矩形对应的点源排放子特征，根据所述每一矩形的点源排放子特征，获得所述点源排放特征。
4.根据权利要求1所述的基于人工智能的臭氧层预报算法，其特征在于：所述S4中通过拟合的方式的拟合的预测方程为：其中，c为要预测的那一天的O 3 -8h预测值，x1，x2，……，x6分别表示要预测那一天的NO2平均浓度、平均气温、平均气压、平均风速、PM2.5平均浓度的预测值，以及要预测那一天的昨日O 3 -8h的预测值或实测值，a0，a1，……，a6是回归系数。
5.根据权利要求1所述的基于人工智能的臭氧层预报算法，其特征在于：所述S5中的新的超混沌系统由以下公式描述：其中，a、b、c和d表示实常数，而ξ1、ξ2、ξ3和ξ4表示实变量，符号上的点表示相对于时间t的导数；相应的超混沌复杂系统由下式给出：其中，η1＝u1+ju2，η2＝u3+ju4，η3＝u5，η4＝u6+ju7表示复变量，j＝-1 -0.5 ，变量上方的条形代表变量的复共轭；系统的真实版本如下：
6.根据权利要求1所述的基于人工智能的臭氧层预报算法，其特征在于：所述S8利用混沌人工神经网络进行长短期预报的公式如下：其中，n表示样本数量，xobs,i表示观测值，xpre,i表示预测值，Var表示样本方差。
7.根据权利要求1所述的基于人工智能的臭氧层预报算法，其特征在于：所述S7中的混沌人工神经网络采用CANN操作，所述CANN操作通常分为两个步骤：第一，设置参数，选择激活函数和操作模式，对于激活函数，使用sigmoid函数，并且将操作模式设置为回归；第二，选择70％-80％的样本数据进行训练，其余作为测试数据，权重和阈值在CANN中自动设置。
8.根据权利要求1所述的基于人工智能的臭氧层预报算法，其特征在于：还包括臭氧污染预警，所述臭氧污染预警包括预警模块，所述预警模块用于对臭氧污染进行预警，确定臭氧污染的区间和污染等级。
9.根据权利要求8所述的基于人工智能的臭氧层预报算法，其特征在于：所述臭氧污染预警的方法包括以下步骤：S201.通过分析大气臭氧生成的外部条件，得到影响大气臭氧污染的敏感物理参量；所述物理参量包括气温、太阳总辐射辐照度、云量、颗粒物浓度以及氮氧化物浓度；S202.根据大气臭氧生成条件确定S201每一项所述物理参量的拐点值，并利用拐点值进行区间划分后对每一个区间进行赋值；S203.获取臭氧浓度监测站点地区在一段时间内的所述物理参量的历史数据，利用Logistic回归模型，得到每一项物理参量的权值；S204.根据S202的区间赋值以及S203所述物理参量的权值，计算臭氧浓度影响因素结果值，并确定预警区间和相应的预警等级。
