1.一种基于时空相干的海洋变量预测方法，其特征在于，所述方法包括：对输入张量进行频谱变换，得到频谱变换结果，并将所述频谱变换结果和科氏参数进行融合，得到增强频域特征，所述输入张量包括多个时间步的海洋多变量数据，所述海洋多变量数据包括具有多个深度层的深度变量；将所述增强频域特征进行多尺度小波分解，得到多尺度特征；将所述深度变量进行卷积处理后得到垂直混合特征，以及，将所述深度变量的不同深度层编码为深度嵌入；将所述垂直混合特征、所述深度嵌入和所述多尺度特征进行融合，得到深度融合特征；基于构建好的物理约束项和所述深度融合特征，计算多尺度演化特征；将所述多尺度演化特征中不同尺度的演化特征进行加权融合和融合网络处理，得到时空相干特征；基于所述时空相干特征，预测目标海洋变量。
2.根据权利要求1所述的基于时空相干的海洋变量预测方法，其特征在于，所述将所述频谱变换结果和科氏参数进行融合，得到增强频域特征，包括：对所述频谱变换结果进行张量拼接、卷积以及二维逆傅里叶变换处理，得到处理后的频域特征；将所述科氏参数和维度进行位置编码，得到位置编码结果；将所述位置编码结果和所述处理后的频域特征进行融合，得到增强频域特征。
3.根据权利要求1所述的基于时空相干的海洋变量预测方法，其特征在于，所述将所述垂直混合特征、所述深度嵌入和所述多尺度特征进行融合，得到深度融合特征，包括：将所述垂直混合特征和所述深度嵌入通过深度注意力机制进行融合，得到融合后的特征；将所述融合后的特征与所述多尺度特征相加，得到深度融合特征。
4.根据权利要求1所述的基于时空相干的海洋变量预测方法，其特征在于，所述基于构建好的物理约束项和所述深度融合特征，计算多尺度演化特征，包括：构建包含平流项、扩散项和源汇项的物理约束项；将所述深度融合特征输入至长短期记忆网络，得到隐藏状态；将所述隐藏状态进行扩展，得到扩展后的隐藏状态；基于所述物理约束项和所述扩展后的隐藏状态，构建物理演化方程；根据所述物理演化方程，计算多尺度演化特征。
5.根据权利要求4所述的基于时空相干的海洋变量预测方法，其特征在于，所述基于所述物理约束项和所述扩展后的隐藏状态，构建物理演化方程，包括： ；其中， 表示 时刻的演化特征， 表示 时刻的演化特征， 、 、 和 表示可学习的权重系数， 表示平流项， 表示扩散项， 表示源汇项， 表示扩展后的隐藏状态。
6.根据权利要求1所述的基于时空相干的海洋变量预测方法，其特征在于，所述将所述多尺度演化特征中不同尺度的演化特征进行加权融合和融合网络处理，得到时空相干特征，包括：通过归一化计算不同尺度的融合权重；将每个尺度的融合权重与当前尺度对应的演化特征进行加权融合，得到加权融合特征；将所述多尺度演化特征中不同尺度的演化特征进行拼接，得到拼接结果；将所述加权融合特征和所述拼接结果进行拼接，得到融合后的拼接特征；将所述融合后的拼接特征通过所述融合网络进行处理，得到时空相干特征。
7.根据权利要求1所述的基于时空相干的海洋变量预测方法，其特征在于，所述基于所述时空相干特征，预测目标海洋变量，包括：将所述时空相干特征输入至预测头中，生成残差预测结果；将所述残差预测结果与最后时间步的输入变量相加，预测得到目标海洋变量。
8.一种基于时空相干的海洋变量预测系统，其特征在于，所述系统包括：第一数据融合单元，用于对输入张量进行频谱变换，得到频谱变换结果，并将所述频谱变换结果和科氏参数进行融合，得到增强频域特征，所述输入张量包括多个时间步的海洋多变量数据，所述海洋多变量数据包括具有多个深度层的深度变量；多尺度小波分解单元，用于将所述增强频域特征进行多尺度小波分解，得到多尺度特征；第一数据处理单元，用于将所述深度变量进行卷积处理后得到垂直混合特征，以及，将所述深度变量的不同深度层编码为深度嵌入；第二数据融合单元，用于将所述垂直混合特征、所述深度嵌入和所述多尺度特征进行融合，得到深度融合特征；演化特征计算单元，用于基于构建好的物理约束项和所述深度融合特征，计算多尺度演化特征；第二数据处理单元，用于将所述多尺度演化特征中不同尺度的演化特征进行加权融合和融合网络处理，得到时空相干特征；海洋变量预测单元，用于基于所述时空相干特征，预测目标海洋变量。
9.一种电子设备，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7任一项所述的基于时空相干的海洋变量预测方法。
10.一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7任一项所述的基于时空相干的海洋变量预测方法。
