1.一种数字城市的预测方法，其特征在于，包括：
获取用户输入的预测项目；
根据所述预测项目获取数字城市的模型数据以及确定预测模型；
根据所述预测模型及模型数据对数字城市进行预测。
2.根据权利要求1所述的方法，其特征在于，所述根据所述预测项目获取数字城市的模型数据以及确定预测模型，包括：
预先建立所述预测项目与模型数据以及预测模型之间的映射关系；
根据所述预测项目和映射关系确定所述数字城市的模型数据和预测模型。
3.根据权利要求1所述的方法，其特征在于，所述根据所述预测项目获取数字城市的模型数据以及确定预测模型，包括：
通过识别所述预测项目的关键信息确定所述数字城市的模型数据；
根据所述模型数据的属性确定所述数字城市的预测模型。
4.根据权利要求3所述的方法，其特征在于，所述根据所述模型数据的属性确定所述数字城市的预测模型，包括：
当所述模型数据为时间相关的数据时，确定所述数字城市的预测模型为朴素贝叶斯模型和长短记忆网络模型组成的混合模型；
当所述模型数据为时间无关的数据时，确定所述数字城市的预测模型为高斯混合模型。
5.根据权利要求1所述的方法，其特征在于，在根据所述预测项目获取数字城市的模型数据之后，还包括：
基于拉依达准则，对所述模型数据进行异常值剔除；
对所述模型数据进行数据编码，以将所述模型数据中的非数值类型的数据转换为数值类型的数据。
6.根据权利要求5所述的方法，其特征在于，在对所述模型数据进行数据编码之后，还包括：
对数据编码后的数据进行归一化处理。
7.根据权利要求1所述的方法，其特征在于，在根据所述预测项目获取数字城市的模型数据之后，还包括：
基于反向传播神经网络对所述模型数据进行降维。
8.一种数字城市的预测装置，其特征在于，包括：
预测项目获取模块，用于获取用户输入的预测项目；
模型确定模块，用于根据所述预测项目获取数字城市的模型数据以及确定预测模型；
城市预测模块，用于根据所述预测模型及模型数据对数字城市进行预测。
9.一种数字城市的预测设备，其特征在于，所述设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的数字城市的预测方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的数字城市的预测方法。