1.一种波浪有效波高的预测方法，其特征在于，所述预测方法包括：获取多份原始波浪数据；根据EMD分别将每份所述原始波浪数据分解成对应的IMF分量和剩余项，并将每份所述原始波浪数据与对应的所述IMF分量和剩余项合并，得到与每份所述原始波浪数据对应的增强波浪数据；从所有所述增强波浪数据中选取出特征集；通过所述特征集输入至训练完成的神经网络模型中，得到所述神经网络模型输出的波浪有效波高的预测结果，其中：所述神经网络模型为门控循环单元网络模型，所述门控循环单元网络模型中包括有自注意力机制；所述神经网络模型通过如下方式计算波浪有效波高的预测结果：通过所述神经网络模型的线性层输出查询张量Query、键张量Key和值张量Value；将所述查询张量Query、所述键张量Key和所述值张量Value分别与对应的权重矩阵进行线性变换，得到变换后的张量Query、张量Key和张量Value；通过如下公式计算相应的权重矩阵W：其中，d i 表示偏移系数；将张量Value乘以权重矩阵W，得到波浪有效波高的预测结果。
2.根据权利要求1所述的波浪有效波高的预测方法，其特征在于，所述从所有所述增强波浪数据中选取出特征集，包括：生成由所有所述增强波浪数据组成的数据集，并获取每一份所述增强波浪数据对应的有效波高观测值；从所述数据集的所述增强波浪数据中提取特征，按特征重要性对所有所述特征进行排序，得到由排序好的所述特征组成的第一特征集；并构建初始为空的第二特征集、初始为空的历史平均误差、初始为零的耐心值和最大耐心值；将所述第一特征集中的所述特征按特征重要性由高到低依次添加到所述第二特征集中；其中，每一次添加所述特征到所述第二特征集中时，通过预设的辅助预测模型计算当前所述第二特征集对应的当前有效波高预测值，计算当前有效波高预测值与对应的所述有效波高观测值之间的当前平均误差，若当前平均误差大于当前历史平均误差时，保留当前所述第二特征集中的所有所述特征；否则，去除当前所述第二特征集中最近一次添加的所述特征，并将所述耐心值增加一；依次类推，直至所述耐心值增加到大于所述最大耐心值或者所述第一特征集中的所有所述特征都判断完成，得到判断完成后的所述第二特征集；其中，当前历史平均误差通过对应若干次的当前平均误差计算得出；将所述判断完成后的所述第二特征集作为输入至训练完成的神经网络中的特征集。
3.根据权利要求2所述的波浪有效波高的预测方法，其特征在于，所述辅助预测模型为所述神经网络模型。
4.根据权利要求3所述的波浪有效波高的预测方法，其特征在于，所述按特征重要性对所有所述特征进行排序，包括：通过随机森林对所有所述特征的相对重要性进行排序。
5.一种波浪有效波高的预测系统，其特征在于，所述预测系统包括：数据获取单元，用于获取多份原始波浪数据；波浪数据增强单元，用于根据EMD分别将每份所述原始波浪数据分解成对应的IMF分量和剩余项，并将每份所述原始波浪数据与对应的所述IMF分量和剩余项合并，得到与每份所述原始波浪数据对应的增强波浪数据；特征选取单元，用于从所有所述增强波浪数据中选取出特征集；有效波高预测单元，用于通过所述特征集输入至训练完成的神经网络模型中，得到所述神经网络模型输出的波浪有效波高的预测结果，其中：所述神经网络模型为门控循环单元网络模型，所述门控循环单元网络模型中包括有自注意力机制；所述神经网络模型通过如下方式计算波浪有效波高的预测结果：通过所述神经网络模型的线性层输出查询张量Query、键张量Key和值张量Value；将所述查询张量Query、所述键张量Key和所述值张量Value分别与对应的权重矩阵进行线性变换，得到变换后的张量Query、张量Key和张量Value；通过如下公式计算相应的权重矩阵W：其中，d i 表示偏移系数；将张量Value乘以权重矩阵W，得到波浪有效波高的预测结果。
6.一种电子设备，其特征在于：包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至4任一项所述的波浪有效波高的预测方法。
7.一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存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至4任一项所述的波浪有效波高的预测方法。
