1.一种人工智能方法，其特征在于，所述方法包括：目标传染病确定步骤：获取待预测的传染病作为目标传染病；

传染病预测模型初始化步骤：为每一区域的所有数据源的每一组合初始化一个深度学习模型作为所述每一区域所述每一数据源组合的传染病预测模型；若每一区域包括K1种数据源，每一区域的所有数据源的每一组合包括所述每一区域的每一种数据源，所述每一区域的每二种数据源，…,所述每一区域的每K1种数据源；

最佳传染病预测模型构建步骤：将所述每一区域的每一时间段的所述每一数据源组合的数据作为输入，将所述每一区域的每一时间段的目标传染病疫情真实结果作为预期输出，对所述每一区域所述每一数据源组合的传染病预测模型进行训练，得到所述每一区域所述每一数据源组合的传染病预测模型；将所述每一区域的每一时间段的所述每一数据源组合的数据作为输入，将所述每一区域的每一时间段的目标传染病疫情真实结果作为预期输出，通过测试，获取所述每一区域所述每一数据源组合的传染病预测模型的预测准确率，作为所述每一区域所述每一数据源组合的传染病预测模型的可信度，获取所述每一区域所述每一数据源组合的传染病预测模型的预测输出与预期输出的差异值的最大范围；将所述最大范围作为所述每一区域所述每一数据源组合的传染病预测模型的可信误差范围；获取可信度最高的所述每一区域所述每一数据源组合的传染病预测模型作为所述每一区域的最佳传染病预测模型；将所述最高可信度作为所述每一区域的最佳传染病预测模型的可信度；将可信度最高的所述每一区域所述每一数据源组合作为所述每一区域的最佳数据源组合；将可信度最高的所述每一区域所述每一数据源组合的传染病预测模型的可信误差范围作为所述每一区域的最佳传染病预测模型的可信误差范围；

最佳传染病预测模型使用步骤：在使用时，将所述每一区域的当前时间段的最佳数据源组合的数据作为输入，通过所述每一区域的最佳传染病预测模型的计算，得到的输出作为所述每一区域的当前时间段的目标传染病疫情预测结果；将所述每一区域的最佳传染病预测模型的可信度作为所述每一区域的当前时间段的目标传染病疫情预测结果的可信度；

将所述每一区域的最佳传染病预测模型的可信误差范围作为所述每一区域的当前时间段的目标传染病疫情预测结果的可信误差范围。

2.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：多区域传染病预测模型初始化步骤：为每M个区域的所有数据源的每一组合初始化一个深度学习模型作为所述每M个区域所述每一数据源组合的传染病预测模型；若每M个区域包括K1种数据源，每M个区域的所有数据源的每一组合包括所述每M个区域的每一种数据源，所述每M个区域的每二种数据源，…,所述每M个区域的每K1种数据源；

多区域最佳传染病预测模型构建步骤：将所述每M个区域的每一时间段的所述每一数据源组合的数据作为输入，将所述每M个区域的每一时间段的目标传染病疫情真实结果作为预期输出，对所述每M个区域所述每一数据源组合的传染病预测模型进行训练，得到所述每M个区域所述每一数据源组合的传染病预测模型；将所述每M个区域的每一时间段的所述每一数据源组合的数据作为输入，将所述每M个区域的每一时间段的目标传染病疫情真实结果作为预期输出，通过测试，获取所述每M个区域所述每一数据源组合的传染病预测模型的预测准确率，作为所述每M个区域所述每一数据源组合的传染病预测模型的可信度，获取所述每M个区域所述每一数据源组合的传染病预测模型的预测输出与预期输出的差异值的最大范围；将所述最大范围作为所述每M个区域所述每一数据源组合的传染病预测模型的可信误差范围；获取可信度最高的所述每M个区域所述每一数据源组合的传染病预测模型作为所述每M个区域的最佳传染病预测模型；将可信度最高的所述每M个区域所述每一数据源组合作为所述每M个区域的最佳数据源组合；

多区域最佳传染病预测模型使用步骤：在使用时，将所述每M个区域的当前时间段的最佳数据源组合的数据作为输入，通过所述每M个区域的最佳传染病预测模型的计算，得到的输出作为所述每M个区域的当前时间段的目标传染病疫情预测结果；将所述每M个区域的最佳传染病预测模型的可信度作为所述每M个区域的当前时间段的目标传染病疫情预测结果的可信度；将所述每M个区域的最佳传染病预测模型的可信误差范围作为所述每M个区域的当前时间段的目标传染病疫情预测结果的可信误差范围。

3.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：联合传染病预测模型初始化步骤：为每M个区域初始化一个深度学习模型作为所述每M个区域的联合传染病预测模型；

联合传染病预测模型构建步骤：将所述每M个区域中每一区域在每一时间段的所述最佳数据源组合的数据作为输入，通过所述每一区域的最佳传染病预测模型的计算，得到所述每一区域的最佳传染病预测模型的预设隐层输出的特征数据，将所述特征数据联合后，作为所述每M个区域的联合传染病预测模型的输入，将所述每M个区域的每一时间段的目标传染病疫情真实结果作为预期输出，对所述每M个区域的联合传染病预测模型进行训练，得到所述每M个区域的联合传染病预测模型；通过测试，获取所述每M个区域的联合传染病预测模型的预测准确率，作为所述每M个区域的联合传染病预测模型的可信度，获取所述每M个区域的联合传染病预测模型的预测输出与预期输出的差异值的最大范围；将所述最大范围作为所述每M个区域的联合传染病预测模型的可信误差范围；

联合传染病预测模型使用步骤：在使用时，将所述每M个区域中每一区域在当前时间段的所述最佳数据源组合的数据作为输入，通过所述每一区域的最佳传染病预测模型的计算，得到所述每一区域的最佳传染病预测模型的预设隐层输出的特征数据，将所述特征数据联合后，作为所述每M个区域的联合传染病预测模型的输入，通过所述每M个区域的联合传染病预测模型的计算，得到的输出作为所述每M个区域的当前时间段的目标传染病疫情预测结果；将所述每M个区域的联合传染病预测模型的可信度作为所述每M个区域的当前时间段的目标传染病疫情预测结果的可信度；将所述每M个区域的联合传染病预测模型的可信误差范围作为所述每M个区域的当前时间段的目标传染病疫情预测结果的可信误差范围。

4.根据权利要求1所述的人工智能方法，其特征在于，所述方法还包括：加权联合传染病预测模型初始化步骤：为每M个区域初始化一个深度学习模型作为所述每M个区域的加权联合传染病预测模型；

加权联合传染病预测模型构建步骤：将所述每M个区域中每一区域在每一时间段的所述最佳数据源组合的数据作为输入，通过所述每一区域的最佳传染病预测模型的计算，得到所述每M个区域中每一区域的最佳传染病预测模型的预设隐层输出的特征数据，根据所述每一区域的预设权重对所述每一区域的所述特征数据采用预设权值进行加权后联合，作为所述每M个区域的加权联合传染病预测模型的输入，将所述每M个区域的每一时间段的目标传染病疫情真实结果作为预期输出，对所述每M个区域的加权联合传染病预测模型进行训练，得到所述每M个区域的加权联合传染病预测模型；通过测试，获取所述每M个区域的加权联合传染病预测模型的预测准确率，作为所述每M个区域的加权联合传染病预测模型的可信度，获取所述每M个区域的加权联合传染病预测模型的预测输出与预期输出的差异值的最大范围；将所述最大范围作为所述每M个区域的加权联合传染病预测模型的可信误差范围；

加权联合传染病预测模型使用步骤：在使用时，将所述每M个区域中每一区域在当前时间段的所述最佳数据源组合的数据作为输入，通过所述每一区域的最佳传染病预测模型的计算，得到所述每一区域的最佳传染病预测模型的预设隐层输出的特征数据，将所述特征数据联合后，作为所述每M个区域的加权联合传染病预测模型的输入，通过所述每M个区域的加权联合传染病预测模型的计算，得到的输出作为所述每M个区域的当前时间段的目标传染病疫情预测结果；将所述每M个区域的加权联合传染病预测模型的可信度作为所述每M个区域的当前时间段的目标传染病疫情预测结果的可信度；将所述每M个区域的加权联合传染病预测模型的可信误差范围作为所述每M个区域的当前时间段的目标传染病疫情预测结果的可信误差范围。

5.根据权利要求2至4所述的人工智能方法，其特征在于，所述方法还包括：多区域模型选择步骤：比较所述每M个区域的最佳传染病预测模型的可信度、所述每M个区域的联合传染病预测模型的可信度、所述每M个区域的加权联合传染病预测模型的可信度，若所述每M个区域的最佳传染病预测模型的可信度最大，则将所述每M个区域的最佳传染病预测模型作为所述每M个区域的优选传染病预测模型，否则若所述每M个区域的联合传染病预测模型的可信度最大，将所述每M个区域的联合传染病预测模型作为所述每M个区域的优选传染病预测模型，否则将所述每M个区域的加权联合传染病预测模型作为所述每M个区域的优选传染病预测模型。

6.根据权利要求4所述的人工智能方法，其特征在于，所述得到所述每M个区域中每一区域的最佳传染病预测模型的预设隐层输出的特征数据，根据所述每一区域的预设权重对所述每一区域的所述特征数据采用预设权值进行加权后联合的步骤具体包括：将所述每M个区域中每一区域的最佳传染病预测模型的预设隐层输出的特征数据以所述每一区域的最佳传染病预测模型的可信度作为权值进行加权后进行联合。

7.一种人工智能系统，其特征在于，所述系统包括：目标传染病确定模块：获取待预测的传染病作为目标传染病；

传染病预测模型初始化模块：为每一区域的所有数据源的每一组合初始化一个深度学习模型作为所述每一区域所述每一数据源组合的传染病预测模型；若每一区域包括K1种数据源，每一区域的所有数据源的每一组合包括所述每一区域的每一种数据源，所述每一区域的每二种数据源，…,所述每一区域的每K1种数据源；

最佳传染病预测模型构建模块：将所述每一区域的每一时间段的所述每一数据源组合的数据作为输入，将所述每一区域的每一时间段的目标传染病疫情真实结果作为预期输出，对所述每一区域所述每一数据源组合的传染病预测模型进行训练，得到所述每一区域所述每一数据源组合的传染病预测模型；将所述每一区域的每一时间段的所述每一数据源组合的数据作为输入，将所述每一区域的每一时间段的目标传染病疫情真实结果作为预期输出，通过测试，获取所述每一区域所述每一数据源组合的传染病预测模型的预测准确率，作为所述每一区域所述每一数据源组合的传染病预测模型的可信度，获取所述每一区域所述每一数据源组合的传染病预测模型的预测输出与预期输出的差异值的最大范围；将所述最大范围作为所述每一区域所述每一数据源组合的传染病预测模型的可信误差范围；获取可信度最高的所述每一区域所述每一数据源组合的传染病预测模型作为所述每一区域的最佳传染病预测模型；将所述最高可信度作为所述每一区域的最佳传染病预测模型的可信度；将可信度最高的所述每一区域所述每一数据源组合作为所述每一区域的最佳数据源组合；将可信度最高的所述每一区域所述每一数据源组合的传染病预测模型的可信误差范围作为所述每一区域的最佳传染病预测模型的可信误差范围；

最佳传染病预测模型使用模块：在使用时，将所述每一区域的当前时间段的最佳数据源组合的数据作为输入，通过所述每一区域的最佳传染病预测模型的计算，得到的输出作为所述每一区域的当前时间段的目标传染病疫情预测结果；将所述每一区域的最佳传染病预测模型的可信度作为所述每一区域的当前时间段的目标传染病疫情预测结果的可信度；

将所述每一区域的最佳传染病预测模型的可信误差范围作为所述每一区域的当前时间段的目标传染病疫情预测结果的可信误差范围。

8.一种人工智能装置，其特征在于，所述装置用于实现权利要求1‑6任意一项所述方法的步骤。

9.一种机器人，包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序，其特征在于，所述处理器执行所述程序时实现权利要求1‑6任意一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1‑6任意一项所述方法的步骤。