1.一种基于天气雷达的短临智能外推方法，包括以下步骤：

步骤a：收集天气个例雷达基数据；

步骤b：提取每一时刻雷达基数据中的所有风暴单体，并提取、追踪其特征，获得若干条长度不等风暴单体轨迹序列；具体包括：步骤b1：首先在体积扫描的每个径向上搜索强度大于一定阈值的连续点，合并成有一定权重长度的一维风暴段；

步骤b2：在像素密度层中按方位距离、长度重叠的相关性将风暴段合并成有一定权重面积的二维风暴分量；

步骤b3：最后按空间垂直相关将风暴分量合并成具有一定权重体积的三维风暴体，识别完成后，获得风暴单体；

步骤b4：提取所识别风暴单体的特征，包括当前季节、风暴体序列号、单体质心坐标、所在的仰角、质量权重体积、最大反射率、移动方向、移动速度；

步骤c：将获得的若干条长度不等风暴单体轨迹序列，切割成长度为n+1的风暴单体轨迹范例存储于数据库中；

步骤d：在进行天气预测时，读取当前n个时次的雷达基数据，利用SCIT识别、追踪，获得若干条长度为n的风暴单体轨迹序列，将该序列分别与数据库中所有历史风暴单体的前n项的轨迹范例进行相似度计算，找出相似度最高的范例，将该范例的第n+1项作为下个时次的风暴单体，按此方法计算出所有单体轨迹下个时次的状态，构成所预测的下个时次的天气状况，写为雷达基数据；

步骤e：按照步骤d进行迭代预测，直至推算出未来2小时全部的天气状况；

步骤f：将新获取的风暴单体序列切割成长度为n+1的范例，存储于数据库中，进行自学习，丰富范例库。

2.根据权利要求1所述的一种基于天气雷达的短临智能外推方法，其特征在于，所述步骤b中提取风暴单体的方法为风暴单体识别追踪算法。

3.根据权利要求1所述的一种基于天气雷达的短临智能外推方法，其特征在于，所述步骤d中，在进行相似度计算时，所筛选的历史风暴单体的形成位置位于地理相似判断范围内。

4.根据权利要求3所述的一种基于天气雷达的短临智能外推方法，其特征在于，所述地理相似判断范围为以待预测风暴单体的形成位置为圆心，半径不大于预设纬距的范围。