1.一种提前预警方法，其特征在于，所述方法包括：

目标传染病确定步骤：将待预警的传染病作为目标传染病；

传染病监测数据获取步骤：采集每一区域每一时段的目标传染病监测数据，作为目标传染病的每一时空数据，将所述每一区域作为所述每一时空数据的所属区域，将所述每一时段作为所述每一时空数据的所属时段，将所述每一区域和所述每一时段作为所述每一时空数据的所属时空；获取每一区域每一时段的目标传染病监测数据的时空分辨率；时空分辨率包括时间分辨率和空间分辨率；

空间结构生成步骤：获取每一区域的范围，根据每一区域的范围，判断每一区域所属的区域；若所述每一区域没有所属的区域，则将所述每一区域作为顶级区域；若所述每一区域有所属的区域，则将所属的区域作为所述每一区域的父区域，将所述每一区域作为所属的区域的子区域；若所述每一区域没有子区域，则将所述每一区域作为底级区域；

时段结构生成步骤：获取每一时段的范围，根据每一时段的范围，判断每一时段所属的时段；若所述每一时段没有所属的时段，则将所述每一时段作为顶级时段；若所述每一时段有所属的时段，则将所属的时段作为所述每一时段的父时段，将所述每一时段作为所属的时段的子时段；若所述每一时段没有子时段，则将所述每一时段作为底级时段；

时空结构生成步骤：获取每一时空的范围，根据每一时空的范围，判断每一时空所属的时空；若一个时空的区域范围属于另一个时空的区域范围且所述一个时空的时段范围属于所述另一个时空的时段范围，则所述一个时空属于所述另一个时空；若所述每一时空没有所属的时空，则将所述每一时段作为顶级时空；若所述每一时空有所属的时空，则将所属的时空作为所述每一时段的父时空，将所述每一时空作为所属的时段的子时空；若所述每一时空没有子时空，则将所述每一时空作为底级时空；

时空预测步骤：将每一时空数据和所述每一时空数据所属时空的目标传染病的预测结果作为输入和预期输出对深度学习模型进行训练，得到所述所属时空的时空预测模型；

向上时空级联模型构建步骤：针对不是底级时空的每一时空，并针对所述时空的每一子时空，将所述时空的时空预测模型的预期结果或预测结果、所述时空与所述子时空的时空关系、所述时空的时空分辨率、所述子时空的时空分辨率、所述子时空的时空预测模型的输入数据、预测结果作为输入，所述子时空的时空预测模型的预期结果作为预期输出，对深度学习神经网络模型进行训练，得到所述时空的子时空向上时空级联深度学习神经网络模型；在使用向上时空级联深度学习神经网络模型时，将所述时空的时空预测模型的预期结果或预测结果、所述时空与所述子时空的时空关系、所述时空的时空分辨率、所述子时空的时空分辨率、所述子时空的时空预测模型的预测结果作为输入，通过所述时空的子时空向上时空级联深度学习神经网络模型的计算，得到的输出作为所述子时空的向上时空级联深度学习神经网络模型的预测结果；所述时空与所述子时空的时空关系的表达方式包括将所述时空与所述子时空在时态地图中进行表示。

2.根据权利要求1所述的提前预警方法，其特征在于，所述方法还包括：

向下时空级联模型构建步骤：针对不是底级时空的每一时空，获取所述时空的所有子时空，将每一所述子时空的时空预测模型的预期结果或预测结果、所述时空与每一所述子时空的时空关系、所述时空的时空分辨率、每一所述子时空的时空分辨率、所述时空的时空预测模型的输入数据、预测结果作为输入，所述时空的时空预测模型的预期结果作为预期输出，对深度学习神经网络模型进行训练，得到所述时空的向下时空级联深度学习神经网络模型；在使用向下时空级联深度学习神经网络模型时，将每一所述子时空的时空预测模型的预期结果或预测结果、所述时空与每一所述子时空的时空关系、所述时空的时空分辨率、每一所述子时空的时空分辨率、所述时空的时空预测模型的预测结果作为输入，通过所述时空的向下时空级联深度学习神经网络模型的计算，得到的输出作为所述时空的向下时空级联深度学习神经网络模型的预测结果。

3.根据权利要求2所述的提前预警方法，其特征在于，所述方法还包括：

双向时空级联模型构建步骤：针对不是底级时空且不是顶级时空的每一时空，将所述时空的向下时空级联深度学习神经网络模型的预测结果、所述时空的向上时空级联深度学习神经网络模型的预测结果作为输入，将所述时空的预期结果作为输出，对深度学习神经网络模型进行训练，得到所述时空的双向时空级联深度学习神经网络模型；在使用时，将所述时空的向下时空级联深度学习神经网络模型的预测结果、所述时空的向上时空级联深度学习神经网络模型的预测结果作为输入，经过所述时空的双向时空级联深度学习神经网络模型的计算，得到的输出作为所述时空的预测结果。

4.根据权利要求3所述的提前预警方法，其特征在于，所述方法还包括：

底级时空预测步骤：针对是底级时空的每一时空，将所述时空的向上时空级联深度学习神经网络模型的预测结果作为所述时空的预测结果；

顶级时空预测步骤：针对是顶级时空的每一时空，将所述时空的向下时空级联深度学习神经网络模型的预测结果作为所述时空的预测结果；

双向时空预测步骤：针对是不是底级时空且不是顶级时空的每一时空，将所述时空的双向时空级联深度学习神经网络模型的预测结果作为所述时空的预测结果。

5.一种提前预警系统，其特征在于，所述系统包括：

目标传染病模块：将待预警的传染病作为目标传染病；

传染病监测数据获取模块：采集每一区域每一时段的目标传染病监测数据，作为目标传染病的每一时空数据，将所述每一区域作为所述每一时空数据的所属区域，将所述每一时段作为所述每一时空数据的所属时段，将所述每一区域和所述每一时段作为所述每一时空数据的所属时空；获取每一区域每一时段的目标传染病监测数据的时空分辨率；时空分辨率包括时间分辨率和空间分辨率；

空间结构生成模块：获取每一区域的范围，根据每一区域的范围，判断每一区域所属的区域；若所述每一区域没有所属的区域，则将所述每一区域作为顶级区域；若所述每一区域有所属的区域，则将所属的区域作为所述每一区域的父区域，将所述每一区域作为所属的区域的子区域；若所述每一区域没有子区域，则将所述每一区域作为底级区域；

时段结构生成模块：获取每一时段的范围，根据每一时段的范围，判断每一时段所属的时段；若所述每一时段没有所属的时段，则将所述每一时段作为顶级时段；若所述每一时段有所属的时段，则将所属的时段作为所述每一时段的父时段，将所述每一时段作为所属的时段的子时段；若所述每一时段没有子时段，则将所述每一时段作为底级时段；

时空结构生成模块：获取每一时空的范围，根据每一时空的范围，判断每一时空所属的时空；若一个时空的区域范围属于另一个时空的区域范围且所述一个时空的时段范围属于所述另一个时空的时段范围，则所述一个时空属于所述另一个时空；若所述每一时空没有所属的时空，则将所述每一时段作为顶级时空；若所述每一时空有所属的时空，则将所属的时空作为所述每一时段的父时空，将所述每一时空作为所属的时段的子时空；若所述每一时空没有子时空，则将所述每一时空作为底级时空；

时空预测模块：将每一时空数据和所述每一时空数据所属时空的目标传染病的预测结果作为输入和预期输出对深度学习模型进行训练，得到所述所属时空的时空预测模型；

向上时空级联模型构建模块：针对不是底级时空的每一时空，并针对所述时空的每一子时空，将所述时空的时空预测模型的预期结果或预测结果、所述时空与所述子时空的时空关系、所述时空的时空分辨率、所述子时空的时空分辨率、所述子时空的时空预测模型的输入数据、预测结果作为输入，所述子时空的时空预测模型的预期结果作为预期输出，对深度学习神经网络模型进行训练，得到所述时空的子时空向上时空级联深度学习神经网络模型；在使用向上时空级联深度学习神经网络模型时，将所述时空的时空预测模型的预期结果或预测结果、所述时空与所述子时空的时空关系、所述时空的时空分辨率、所述子时空的时空分辨率、所述子时空的时空预测模型的预测结果作为输入，通过所述时空的子时空向上时空级联深度学习神经网络模型的计算，得到的输出作为所述子时空的向上时空级联深度学习神经网络模型的预测结果；所述时空与所述子时空的时空关系的表达方式包括将所述时空与所述子时空在时态地图中进行表示。

6.根据权利要求5所述的提前预警系统，其特征在于，所述系统还包括：

向下时空级联模型构建模块：针对不是底级时空的每一时空，获取所述时空的所有子时空，将每一所述子时空的时空预测模型的预期结果或预测结果、所述时空与每一所述子时空的时空关系、所述时空的时空分辨率、每一所述子时空的时空分辨率、所述时空的时空预测模型的输入数据、预测结果作为输入，所述时空的时空预测模型的预期结果作为预期输出，对深度学习神经网络模型进行训练，得到所述时空的向下时空级联深度学习神经网络模型；在使用向下时空级联深度学习神经网络模型时，将每一所述子时空的时空预测模型的预期结果或预测结果、所述时空与每一所述子时空的时空关系、所述时空的时空分辨率、每一所述子时空的时空分辨率、所述时空的时空预测模型的预测结果作为输入，通过所述时空的向下时空级联深度学习神经网络模型的计算，得到的输出作为所述时空的向下时空级联深度学习神经网络模型的预测结果。

7.根据权利要求6所述的提前预警系统，其特征在于，所述系统还包括：

双向时空级联模型构建模块：针对不是底级时空且不是顶级时空的每一时空，将所述时空的向下时空级联深度学习神经网络模型的预测结果、所述时空的向上时空级联深度学习神经网络模型的预测结果作为输入，将所述时空的预期结果作为输出，对深度学习神经网络模型进行训练，得到所述时空的双向时空级联深度学习神经网络模型；在使用时，将所述时空的向下时空级联深度学习神经网络模型的预测结果、所述时空的向上时空级联深度学习神经网络模型的预测结果作为输入，经过所述时空的双向时空级联深度学习神经网络模型的计算，得到的输出作为所述时空的预测结果；

底级时空预测模块：针对是底级时空的每一时空，将所述时空的向上时空级联深度学习神经网络模型的预测结果作为所述时空的预测结果；

顶级时空预测模块：针对是顶级时空的每一时空，将所述时空的向下时空级联深度学习神经网络模型的预测结果作为所述时空的预测结果；

双向时空预测模块：针对是不是底级时空且不是顶级时空的每一时空，将所述时空的双向时空级联深度学习神经网络模型的预测结果作为所述时空的预测结果。

8.一种提前预警装置，其特征在于，所述装置用于实现权利要求1‑4任意一项所述方法的步骤。

9.一种提前预警机器人，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1‑4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1‑4任意一项所述方法的步骤。