1.一种电网传输线路气候环境预测方法，其特征在于，包括以下具体步骤：获取历史气候环境数据构建输入样本；构建稀疏注意力机制的transformer预测模型，对输入样本进行预测得到原预测结果；将原预测结果与真实数据进行比对，得到误差序列并输入ARIMA模型进行误差预测，得到误差修正序列，该误差修正序列给出了transformer原预测结果与实际数据的可能偏差；将原预测结果与误差修正序列相加，通过ARIMA模型的误差修正序列改善transformer模型线性特征欠缺的不足，得到精确性与稳定性更高的最终预测的未来环境数据序列；所述获取历史气候环境数据构建输入样本具体为，历史气候环境数据包括传输线路周边的温度、湿度、风速信息的历史数值组成的时间序列，对历史数值进行归一化处理，将其保存为向量 作为模型输入；所述ARIMA模型的建立步骤如下：对历史数据时间序列进行绘图，观察是否平稳，若为非平稳序列则进行差分得到平稳时间序列为止；对得到的平稳时间序列求自相关系数ACF和偏自相关系数PACF，计算自相关系数ACF的公式如下:其中N为序列长度， 为序列滞后次数， 为序列均值， 为序列第 个点，偏自相关系数PACF使用最小二乘法来计算，根据ACF、PACF来确定适当的模型参数 ，其中 为预测模型中采用的时序数据本身的滞后数， 为得到平稳时间序列所需的差分次数， 为预测模型中采用的预测误差的滞后数；所述稀疏注意力机制的transformer预测模型包括编码器、解码器两部分，编码器对输入数据进行特征提取；解码器利用编码器提取到的特征进行multi-head稀疏自注意力运算，最终实现传输线路的气候环境预测，编码层的输入为 ，解码层的输入为 以及编码层的输出 ，编码器由若干相同的编码层组成，解码器由若干相同的解码层组成，除第一个编码层输入为 之外，所有编码层都以上一个编码层的输出为其输入，最后一个编码层的输出为编码器的输出 ，除第一个解码层输入为 和 之外，所有解码层都以上一个解码层的输出为输入，最后一个解码层输出为transformer预测模型对未来气候数据的预测序列。
2.根据权利要求1所述的一种电网传输线路气候环境预测方法，其特征在于，所述transformer预测模型的编码层包括一维卷积层、稀疏自注意力层和前馈网络层，所述编码层进行特征提取的操作具体为，将输入向量 经过一维卷积层之后并加上位置编码得到 ，分别用三个权重矩阵 ， 和 与 作矩阵乘法分别得到多通道的query矩阵 ，key矩阵 和value矩阵 ，为了减少模型的计算量和防止过拟合，通过稀疏自注意力对三个矩阵进行运算得到自注意力，将计算得到的自注意力经过线性层将其映射为原输入维度之后与 相加，之后再将此相加得到的结果通过前馈层得到编码器的输出 。
3.根据权利要求2所述的一种电网传输线路气候环境预测方法，其特征在于，所述稀疏自注意力运算的操作为：选取矩阵 中数值最大的 个元素将其他元素置为0得到稀疏化之后的矩阵 ，其中 为预先设置的适当大小的数，随后矩阵 ， ， 作为的输入进行自注意力运算，公式为其中 为softmax激活函数， 为矩阵 的维度， 为计算出的自注意力。
4.根据权利要求2所述的一种电网传输线路气候环境预测方法，其特征在于，所述transformer预测模型的解码层包括解码一维卷积层、解码稀疏自注意力层和解码前馈网络层、解码线性层，所述解码层进行预测的具体操作为，将第一个输入数据 经过解码一维卷积层和一层解码稀疏自注意力层之后，通过解码线性层映射为query矩阵 并进行稀疏化得到 ，再用到第二个输入数据 ，通过解码线性层分别映射为key矩阵 和value矩阵 ，然后计算注意力，公式为其中 为 的维度，将计算得出的注意力经解码线性层、解码前馈层之后得到transformer预测模型对未来环境数据的预测序列。
5.一种电网传输线路气候环境预测系统，其特征在于，用以实现权利要求1-4任一所述的电网传输线路气候环境预测方法。
6.一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程序代码，所述程序代码被处理器执行时，实现如权利要求1-4任一所述的电网传输线路气候环境预测方法的步骤。
