1.一种睡眠呼吸事件预测方法，其特征在于，包括：获取第一信息，所述第一信息包括待测试人员的四个睡眠通道的信号，四个睡眠通道的信号包括待测试人员的鼻腔气流呼吸信号、胸部呼吸努力信号、腹部呼吸努力信号和血氧信号；

对第一信息的特征向量的相关性进行计算，并构建睡眠呼吸图；

根据所述睡眠呼吸图，构建RCCN模型，对所述待测试人员的呼吸信号进行预测，得到预测结果，所述RCCN模型包括两个时空循环卷积块，每个所述时空循环卷积块均包含时间循环卷积块和空间图卷积块；

根据所述预测结果进行分类，判断分类后的所述待测试人员的呼吸信号是否属于暂停事件，若是则输出所述暂停事件的结果。

2.根据权利要求1所述的睡眠呼吸事件预测方法，其特征在于，所述对第一信息的特征向量相关性进行计算，并构建睡眠呼吸图，其中包括：根据所述第一信息进行相关性计算，得到呼吸结构图，所述呼吸结构图为网络矩阵结构图;获取第二信息，所述第二信息包括所述呼吸结构图中顶点的个数和所述顶点的特征向量；

根据所述第二信息，构建特征矩阵；

获取第三信息，所述第三信息包括所述呼吸结构图中所述顶点之间的相关性；

根据所述第三信息，构建邻接矩阵；

对所述特征矩阵进行预处理，并根据皮尔森相关系数计算所述邻接矩阵；

根据预处理后的所述特征矩阵和计算得出的所述邻接矩阵，构建睡眠呼吸图。

3.根据权利要求1所述的睡眠呼吸事件预测方法，其特征在于，所述对所述待测试人员的呼吸信号进行预测，得到预测结果，其中包括：根据循环图卷积神经网络，提取对所述睡眠呼吸图的空间特征和时间特征；

根据提取到的所述空间特征和所述时间特征，预测所述待测试人员的呼吸信号；

通过预设的CNN层对所述呼吸信号进行特征提取，得到预测睡眠呼吸暂停事件预测的预测结果。

4.根据权利要求1所述的睡眠呼吸事件预测方法，其特征在于，所述对所述待测试人员的呼吸信号进行预测，得到预测结果，还包括：获取至少两个时空循环卷积块；

根据2个所述时空循环卷积块进行堆叠，构建动态时空图卷积块，所述动态时空图卷积块包括2个时间层和1个连接时间域的空间层；

利用瓶颈理论，利用了图卷积层对每个所述时空循环卷积块相对应的输出维度进行升降处理；

根据随机丢弃法，对升降处理后的所述时空循环卷积块进行过拟合缓解；

根据线性转换，对过拟合缓解后的所述时空循环卷积块进行信号预测，得到预测结果。

5.一种睡眠呼吸事件预测装置，其特征在于，包括：获取模块：用于获取第一信息，所述第一信息包括待测试人员的四个睡眠通道的信号，四个睡眠通道的信号包括待测试人员的鼻腔气流呼吸信号、胸部呼吸努力信号、腹部呼吸努力信号和血氧信号；

构建模块：用于对第一信息的特征向量的相关性进行计算，并构建睡眠呼吸图；

预测模块：用于根据所述睡眠呼吸图，构建RCCN模型，对所述待测试人员的呼吸信号进行预测，得到预测结果，所述RCCN模型包括两个时空循环卷积块，每个所述时空循环卷积块均包含时间循环卷积块和空间图卷积块；

分类模块：用于根据所述预测结果进行分类，判断分类后的所述待测试人员的呼吸信号是否属于暂停事件，若是则输出所述暂停事件的结果。

6.根据权利要求5所述的睡眠呼吸事件预测装置，其特征在于，所述构建模块，其中包括：第一获取单元：根据所述第一信息进行相关性计算，得到呼吸结构图，所述呼吸结构图为网络矩阵结构图;第二获取单元：用于获取第二信息，所述第二信息包括所述呼吸结构图中顶点的个数和所述顶点的特征向量；

第一构建单元：用于根据所述第二信息，构建特征矩阵；

第三获取单元：用于获取第三信息，所述第三信息包括所述呼吸结构图中所述顶点之间的相关性；

第二构建单元：用于根据所述第三信息，构建邻接矩阵；

第一计算单元：用于对所述特征矩阵进行预处理，并根据皮尔森相关系数计算所述邻接矩阵；

第二计算单元：用于根据预处理后的所述特征矩阵和计算得出的所述邻接矩阵，构建睡眠呼吸图。

7.根据权利要求5所述的睡眠呼吸事件预测装置，其特征在于，所述预测模块，其中包括：第一提取单元：用于根据循环图卷积神经网络，提取对所述睡眠呼吸图的空间特征和时间特征；

第一预测单元：用于根据提取到的所述空间特征和所述时间特征，预测所述待测试人员的呼吸信号；

第二提取单元：用于通过预设的CNN层对所述呼吸信号进行特征提取，得到预测睡眠呼吸暂停事件预测的预测结果。

8.根据权利要求5所述的睡眠呼吸事件预测装置，其特征在于，所述预测模块，还包括：第四获取单元：用于获取至少两个时空循环卷积块；

第三构建单元：用于根据2个所述时空循环卷积块进行堆叠，构建动态时空图卷积块，所述动态时空图卷积块包括2个时间层和1个连接时间域的空间层；

处理单元：用于利用瓶颈理论，利用了图卷积层对每个所述时空循环卷积块相对应的输出维度进行升降处理；

拟合单元：用于根据随机丢弃法，对升降处理后的所述时空循环卷积块进行过拟合缓解；

第二预测单元：用于根据线性转换，对过拟合缓解后的所述时空循环卷积块进行信号预测，得到预测结果。

9.一种睡眠呼吸事件预测设备，其特征在于，包括：存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述睡眠呼吸事件预测方法的步骤。

10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述睡眠呼吸事件预测方法的步骤。