1.一种蒸发波导传播特性的反演方法，其特征在于，包括：
获取雷达采集得到的蒸发波导的高度，并依据所述雷达的雷达参数、以及所述蒸发波导的高度，计算电波传播因子，所述电波传播因子用于表征大气环境因素与蒸发波导传播特性之间的第一映射关系；
将所述电波传播因子，输入预先构建的所述蒸发波导的空间分布预测网络，得到所述蒸发波导的蒸发波导折射率剖面，所述蒸发波导的空间分布预测网络用于表征所述电波传播因子与所述蒸发波导传播特性之间的第二映射关系，并将所述第二映射关系在低纬空间的非线性不可分转化为高维空间的线性可分，所述蒸发波导折射率剖面用于表征所述蒸发波导的传播特性。
2.根据权利要求1所述的方法，其特征在于，所述蒸发波导的空间分布预测网络的构建过程，包括：
将预设的实验数据库中的电波传播因子样本，作为预设的径向基函数神经网络的训练样本输入，得到输出结果；
基于所述电波传播因子样本、与所述电波传播因子样本对应的蒸发波导折射率剖面样本、以及所述输出结果，对所述径向基函数神经网络进行训练，直至所述径向基函数神经网络输出与所述电波传播因子样本对应的蒸发波导折射率剖面；
确定训练得到的径向基函数神经网络为所述蒸发波导的空间分布预测网络。
3.根据权利要求2所述的方法，其特征在于，所述实验数据库的预设过程，包括：
以采集得到所述蒸发波导的高度样本作为参数，分别对所述蒸发波导的高度的垂直分布进行建模、以及对所述蒸发波导的高度的水平分布进行建模，将蒸发波导的高度的垂直分布模型和水平分布模型的组合，作为蒸发波导折射率模型；
利用所述蒸发波导折射率模型，输出蒸发波导折射率剖面样本；
将所述蒸发波导折射率剖面样本所指示的高度、以及预设的雷达参数样本，输入预设的电波传播因子模型，得到电波传播因子样本；
记录所述蒸发波导折射率剖面样本和所述电波传播因子样本的对应关系。
4.根据权利要求3所述的方法，其特征在于，所述对所述蒸发波导的高度的水平分布进行建模的过程，包括：
利用高斯-马尔科夫过程，生成马尔科夫链矩阵；
利用k-l变换的主分量分析方法，提取所述马尔科夫链矩阵的特征值和特征向量，得到所述蒸发波导的高度的所述水平分布模型；
其中，所述马尔科夫链矩阵用于表征所述蒸发波导的高度的水平分布样本。
5.根据权利要求3所述的方法，其特征在于，所述蒸发波导的高度的垂直分布模型，包括：
p-j模型。
6.根据权利要求3所述的方法，其特征在于，所述电波传播因子模型的构建过程，包括：
以电波传播的抛物方程、以及电波在蒸发波导环境中的电场分布作为参数，建立所述电波传播因子的计算式。
7.根据权利要求2所述的方法，其特征在于，所述径向基函数神经网络的训练过程，包括：
估算所述径向基函数神经网络中隐含层的径向基函数的中心和标准差；
估算所述径向基函数神经网络中输出层的权值和阈值；
估算所述径向基函数神经网络中输入层、所述隐含层、以及所述输出层各自的节点数目。
8.一种蒸发波导传播特性的反演装置，其特征在于，包括：
计算单元，用于获取雷达采集得到的蒸发波导的高度，并依据所述雷达的雷达参数、以及所述蒸发波导的高度，计算电波传播因子，所述电波传播因子用于表征大气环境因素与蒸发波导传播特性之间的第一映射关系；
预测单元，用于将所述电波传播因子，输入预先构建的所述蒸发波导的空间分布预测网络，得到所述蒸发波导的蒸发波导折射率剖面，所述蒸发波导的空间分布预测网络用于表征所述电波传播因子与所述蒸发波导传播特性之间的第二映射关系，并将所述第二映射关系在低纬空间的非线性不可分转化为高维空间的线性可分，所述蒸发波导折射率剖面用于表征所述蒸发波导的传播特性。
9.一种计算机存储介质，其特征在于，所述计算机存储介质包括存储的程序，其中，所述程序执行权利要求1-7任意一项所述的蒸发波导传播特性的反演方法。
10.一种电子设备，其特征在于，包括：处理器、存储器和总线；所述处理器与所述存储器通过所述总线连接；
所述存储器用于存储程序，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1-7任意一项所述的蒸发波导传播特性的反演方法。