1.一种基于大数据的数据分析方法，其特征在于，包括：

基于目标区域包括的多个目标子区域分别在多个历史时间下具有的目标区域代表行为信息，构建出所述目标区域对应的目标区域代表行为分布网络序列，所述目标区域代表行为分布网络序列包括多个目标区域代表行为分布网络，所述多个目标区域代表行为分布网络和所述多个历史时间一一对应，每一个所述目标区域代表行为分布网络包括多条目标区域代表行为信息，该多条目标区域代表行为信息和所述多个目标子区域一一对应；

依据包括的区域代表行为信息，从目标行为数据库包括的多个参考区域代表行为分布网络序列中，筛选出与所述目标区域代表行为分布网络序列匹配的参考区域代表行为分布网络序列，作为所述目标区域代表行为分布网络序列对应的匹配区域代表行为分布网络序列；

对所述目标区域和所述匹配区域代表行为分布网络序列对应的其它区域进行关联处理，以在所述目标区域和所述其它区域之间形成关联关系；

所述依据包括的区域代表行为信息，从目标行为数据库包括的多个参考区域代表行为分布网络序列中，筛选出与所述目标区域代表行为分布网络序列匹配的参考区域代表行为分布网络序列，作为所述目标区域代表行为分布网络序列对应的匹配区域代表行为分布网络序列的步骤，包括：在目标区域代表行为分布网络序列中，抽选出多个目标区域代表行为分布网络，该多个目标区域代表行为分布网络为所述目标区域代表行为分布网络序列包括的各目标区域代表行为分布网络中的至少部分；

针对每一个所述目标区域代表行为分布网络，利用预先进行网络优化形成的目标行为关键信息挖掘神经网络，挖掘出所述目标区域代表行为分布网络对应的第一行为关键信息描述向量；

在多个代表行为关键信息描述向量中，抽选出所述目标区域代表行为分布网络对应的相关代表行为关键信息描述向量，所述相关代表行为关键信息描述向量为与所述目标区域代表行为分布网络对应的第一行为关键信息描述向量相关度最大的代表行为关键信息描述向量，每一个所述代表行为关键信息描述向量用于代表一个行为分布网络分类簇包括的各示例性区域代表行为分布网络对应的第一行为关键信息描述向量；

基于所述目标区域代表行为分布网络对应的第一行为关键信息描述向量与对应的所述相关代表行为关键信息描述向量之间的区别信息，分析输出所述目标区域代表行为分布网络对应的第二行为关键信息描述向量；

利用所述目标行为关键信息挖掘神经网络，基于所述目标区域代表行为分布网络对应的第二行为关键信息描述向量，分析输出所述目标区域代表行为分布网络对应的第三行为关键信息描述向量，所述目标区域代表行为分布网络对应的第三行为关键信息描述向量用于代表所述目标区域代表行为分布网络包括的目标区域代表行为信息具有的行为关键信息；

基于每一个所述目标区域代表行为分布网络对应的第三行为关键信息描述向量，分析输出所述目标区域代表行为分布网络序列对应的目标行为关键信息描述向量；

基于所述目标区域代表行为分布网络序列对应的目标行为关键信息描述向量和目标行为数据库包括的每一个参考区域代表行为分布网络序列对应的目标行为关键信息描述向量，在所述目标行为数据库中，筛选出满足目标匹配规则的第一参考区域代表行为分布网络序列，并标记为所述目标区域代表行为分布网络序列对应的匹配区域代表行为分布网络序列。

2.根据权利要求1所述的基于大数据的数据分析方法，其特征在于，所述基于目标区域包括的多个目标子区域分别在多个历史时间下具有的目标区域代表行为信息，构建出所述目标区域对应的目标区域代表行为分布网络序列的步骤，包括：提取到目标区域包括的多个目标子区域分别在多个历史时间下具有的目标区域代表行为信息，一条所述目标区域代表行为信息基于从一个目标子区域在一个历史时间下具有的至少一条区域行为信息筛选出；

依据对应的历史时间是否相同，对所述目标区域代表行为信息进行分类处理，以形成所述多个历史时间对应的多个目标区域代表行为信息集合，以及，对于每一个所述目标区域代表行为信息集合，将该目标区域代表行为信息集合包括的每一条目标区域代表行为信息按照对应的目标子区域进行分布，以构建出对应的目标区域代表行为分布网络；

按照对应的历史时间，对所述目标区域代表行为分布网络进行排序，以形成所述目标区域对应的目标区域代表行为分布网络序列。

3.根据权利要求1所述的基于大数据的数据分析方法，其特征在于，所述基于每一个所述目标区域代表行为分布网络对应的第三行为关键信息描述向量，分析输出所述目标区域代表行为分布网络序列对应的目标行为关键信息描述向量的步骤，包括：对所述目标区域代表行为分布网络进行类型确定处理，以形成对应的多种行为分布网络类型信息，每一种所述行为分布网络类型信息对应有至少一个目标区域代表行为分布网络；

分别对每一种所述行为分布网络类型信息对应的目标区域代表行为分布网络对应的第三行为关键信息描述向量进行分类处理，以形成每一种所述行为分布网络类型信息对应的分类中心第三行为关键信息描述向量；

基于每一种所述行为分布网络类型信息对应的分类中心第三行为关键信息描述向量，分析输出所述目标区域代表行为分布网络序列对应的目标行为关键信息描述向量。

4.根据权利要求1所述的基于大数据的数据分析方法，其特征在于，所述基于所述目标区域代表行为分布网络序列对应的目标行为关键信息描述向量和目标行为数据库包括的每一个参考区域代表行为分布网络序列对应的目标行为关键信息描述向量，在所述目标行为数据库中，筛选出满足目标匹配规则的第一参考区域代表行为分布网络序列，并标记为所述目标区域代表行为分布网络序列对应的匹配区域代表行为分布网络序列的步骤，包括：基于所述目标区域代表行为分布网络序列对应的目标行为关键信息描述向量和目标行为数据库包括的每一个参考区域代表行为分布网络序列对应的目标行为关键信息描述向量，在所述目标行为数据库中，抽取出多个参考区域代表行为分布网络序列，以标记为所述目标区域代表行为分布网络序列对应的待确认区域代表行为分布网络序列；

依据所述目标区域代表行为分布网络序列对应的目标行为关键信息描述向量和每一个所述待确认区域代表行为分布网络序列对应的目标行为关键信息描述向量，分析输出每一个所述待确认区域代表行为分布网络序列对应的筛选优先系数；

基于每一个所述待确认区域代表行为分布网络序列对应的筛选优先系数之间具有的相对大小信息，在所述待确认区域代表行为分布网络序列中，抽选出一个待确认区域代表行为分布网络序列作为第一参考区域代表行为分布网络序列，并标记为所述目标区域代表行为分布网络序列对应的匹配区域代表行为分布网络序列。

5.根据权利要求4所述的基于大数据的数据分析方法，其特征在于，所述依据所述目标区域代表行为分布网络序列对应的目标行为关键信息描述向量和每一个所述待确认区域代表行为分布网络序列对应的目标行为关键信息描述向量，分析输出每一个所述待确认区域代表行为分布网络序列对应的筛选优先系数的步骤，包括：对于每一个所述待确认区域代表行为分布网络序列对应的目标行为关键信息描述向量，对该待确认区域代表行为分布网络序列对应的目标行为关键信息描述向量和所述目标区域代表行为分布网络序列对应的目标行为关键信息描述向量进行匹配度计算，以输出对应的描述向量匹配度；

分别统计每一个所述待确认区域代表行为分布网络序列包括的参考区域代表行为分布网络的数量，再分别基于该数量确定出每一个所述待确认区域代表行为分布网络序列对应的序列重要度；

分别基于每一个所述待确认区域代表行为分布网络序列对应的序列重要度和对应的描述向量匹配度，分析输出每一个所述待确认区域代表行为分布网络序列对应的筛选优先系数。

6.根据权利要求1所述的基于大数据的数据分析方法，其特征在于，所述目标行为关键信息挖掘神经网络的网络优化的步骤，包括：利用初始的目标行为关键信息挖掘神经网络，挖掘出示例性区域代表行为分布网络簇包括的多个示例性区域代表行为分布网络中的每一个示例性区域代表行为分布网络对应的第一行为关键信息描述向量；

基于所述示例性区域代表行为分布网络簇包括的每一个示例性区域代表行为分布网络对应的第一行为关键信息描述向量，分析输出对应的多个代表行为关键信息描述向量，每一个所述代表行为关键信息描述向量用于代表一个行为分布网络分类簇包括的各示例性区域代表行为分布网络对应的第一行为关键信息描述向量，所述示例性区域代表行为分布网络簇对应有多个行为分布网络分类簇；

针对所述示例性区域代表行为分布网络簇包括的每一个所述示例性区域代表行为分布网络，基于所述示例性区域代表行为分布网络对应的第一行为关键信息描述向量和所述示例性区域代表行为分布网络对应的相关代表行为关键信息描述向量之间的区别信息，分析输出所述示例性区域代表行为分布网络对应的第二行为关键信息描述向量，所述示例性区域代表行为分布网络对应的相关代表行为关键信息描述向量为所述多个代表行为关键信息描述向量中与所述示例性区域代表行为分布网络对应的第一行为关键信息描述向量相关度最大的代表行为关键信息描述向量；

基于所述示例性区域代表行为分布网络对应的第二行为关键信息描述向量，分析输出所述示例性区域代表行为分布网络对应的第三行为关键信息描述向量，所述示例性区域代表行为分布网络对应的第三行为关键信息描述向量用于代表所述示例性区域代表行为分布网络包括的示例性区域代表行为信息具有的行为关键信息；

基于所述示例性区域代表行为分布网络簇包括的每一个所述示例性区域代表行为分布网络对应的第三行为关键信息描述向量，分析输出所述目标行为关键信息挖掘神经网络对应的神经网络目标学习代价值，再基于所述神经网络目标学习代价值对所述初始的目标行为关键信息挖掘神经网络进行网络优化处理。

7.根据权利要求6所述的基于大数据的数据分析方法，其特征在于，所述利用初始的目标行为关键信息挖掘神经网络，挖掘出示例性区域代表行为分布网络簇包括的多个示例性区域代表行为分布网络中的每一个示例性区域代表行为分布网络对应的第一行为关键信息描述向量的步骤，包括：针对所述示例性区域代表行为分布网络簇包括的每一个所述示例性区域代表行为分布网络，利用初始的目标行为关键信息挖掘神经网络包括的浅层关键信息挖掘子网络对所述示例性区域代表行为分布网络进行第一关键信息挖掘处理，以输出所述示例性区域代表行为分布网络对应的浅层行为关键信息描述向量；

利用所述目标行为关键信息挖掘神经网络包括的深层关键信息挖掘子网络对所述示例性区域代表行为分布网络对应的浅层行为关键信息描述向量进行第二关键信息挖掘处理，以输出所述示例性区域代表行为分布网络对应的第一行为关键信息描述向量。

8.根据权利要求1‑7任意一项所述的基于大数据的数据分析方法，其特征在于，所述对所述目标区域和所述匹配区域代表行为分布网络序列对应的其它区域进行关联处理，以在所述目标区域和所述其它区域之间形成关联关系的步骤，包括：获取所述目标区域代表行为分布网络序列和所述匹配区域代表行为分布网络序列之间的序列匹配程度；

基于所述序列匹配程度对所述目标区域和所述匹配区域代表行为分布网络序列对应的其它区域进行关联处理，以在所述目标区域和所述其它区域之间形成关联关系，所述关联关系表征的关联度等于所述序列匹配程度。

9.一种基于大数据的数据分析平台，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序，以实现权利要求1‑8任意一项所述的基于大数据的数据分析方法。