1.一种基于lstm的空气污染分析方法，包括以下步骤：
步骤1，构造空气扩散模型：将某地区的各个观测站，以及他们之间的关系进行区域化划分，利用各个观测站之间的空气信息和气象信息，来构造空气扩散模型；
步骤2，对监测点进行预测分析：根据监测点的历史数据，运用lstm结合步骤1构造的空气扩散模型，对监测点的空气进行预测；
步骤3，单点溯源分析：根据步骤2得到的各个区域对监测点的空气预测的影响权重，结合空气扩散模型对影响权重加权距离数值化，并定位污染源点。
2.根据权利要求1所述的一种基于lstm的空气污染分析方法，所述步骤1具体包括：
步骤1.1，根据得到的风向可以判断空气污染粒子的流动方向和风速
步骤1.2，选取所有观测站中一个站点，根据该选取的站点与相邻站点之间的空间关系进行区域划分，以该选取的站点为中心，根据风向的八个方向将区域划分为八块，相邻的站点在这八块区域里面；
步骤1.3，基于粒子实际运动速度，可得到粒子在这区域内的运动轨迹y：
步骤1.4，重复步骤1.2-步骤1.3直至所有观测站中的站点全部划分完毕。
3.根据权利要求1所述的一种基于lstm的空气污染分析方法，所述步骤2具体包括：
步骤2.1，构建相邻站点对中心站点的污染贡献值m(t)；构建相邻站点j对中心站点的污染贡献值m(t)，m(t)＝m(t-1)*(1-kt-1*t)；粒子运动衰减因子为：
步骤2.2，将空气历史数据(包括pm2.5、so2、等气体监测参数)与污染贡献值m(t)进行数据融合并进行归一化处理，得到lstm输入x；x＝{x1,x2,x3.......xn},n为序列长度；
步骤2.3，通过lstm对空气数据进行学习，并把学习后得到的训练值与测试集进行比对调优，得到高精度的预测值；
步骤2.4，得到空气预测值ht和各个时刻相邻站点对中心站点的影响权重yt，yt＝{y1,y2,.....yn}。
4.根据权利要求1所述的一种基于lstm的空气污染分析方法，所述步骤2中通过lstm算法的得到高精度的预测值具体步骤流程如下：
步骤4.1，计算遗忘门ft，遗忘门ft是以上一时刻的输出ht-1和现在时刻的输入xt为输入的，ft＝σ(wf*[ht-1,xt]+bf)，上式中，wf是遗忘门的权重矩阵，[ht-1,xt]表示把两个向量连接成一个更长的向量，bf是遗忘门的偏置项，σ为sigmoid函数；wf为0-1之间的随机初始值，bf的初始值为0；
步骤4.2，计算输入门it，输入门it和一个tanh函数配合控制有哪些新信息加入，it＝σ(wi*[ht-1,xt]+bi)，其中wi是输入门的权重矩阵，bi是输入门的偏置项；wi为0-1之间的随机初始值，bi的初始值为0；
步骤4.3，计算输出门ot，ot＝σ(wo*[ht-1,xt]+bo)；w0为0-1之间的随机初始值，b0的初始值为0；
步骤4.4，得到空气预测值ht和各个时刻相邻站点对当前站点的影响权重yt，yt＝{y1,y2,.....yn}，n表示有当前站点有n个相邻站点。
5.根据权利要求1所述的一种基于lstm的空气污染分析方法，所述步骤3具体包括：
步骤3.1，在k时刻预测t时刻的空气数据，t>k；设置偏差系数q偏差系数可以随意设定，偏差系数也可称为偏差率，当在k时刻预测到t时刻的预测值与在t时刻监测的实际值的误差超过偏差系数时，开始进行污染源定位溯源；
步骤3.2，基于空气预测算法得到的各个时间步相邻站点对中心站点的影响权重yt，根据t时刻相邻站点对中心站点的影响权重yt和粒子的运动速度ust，可以得到t时刻相邻站点对中心站点的加权距离权重，把t时刻的加权距离权重向量化并进行向量相加得到坐标点a然后继续进行t-1时刻的加权距离权向量相加得到t-2时刻的坐标点b；
步骤3.3，对加权距离权重计算进行迭代计算；
步骤3.4，每溯源一个时间步，计算相邻站点的影响权重，当相邻各个站点的影响权重yt都为0时，停止迭代计算并得到t-n时刻的坐标点c，坐标点c为污染源点。