1.一种基于深度排放因子修正的移动源污染预测方法，其特征在于：包括以下步骤，
步骤一、多源异构数据获取；
步骤二、自编码器特征抽取，通过构建三层自编码器网络结构，实现对所述多源异构数据特征降维抽取；
步骤三、尾气排放修正，将所述步骤二中提取的各数据源的降维特征数据，代入尾气排放修正模型。
2.根据权利要求1所述的基于深度排放因子修正的移动源污染预测方法，其特征在于：所述多源异构数据集包括气象数据、路网数据、交通流数据和pois数据；
所述气象数据包括天气、温度、湿度、气压和风力，所述气象数据从公开气象网站按每小时进行采集；
所述路网数据包括车道数、路段长度和道路等级，所述路网结构数据从数字地图获取；
所述交通流数据包括车流量和平均速度，所述交通流数据从数字地图获取；所述pois数据为区域内兴趣点公共设施特征分类，所述pois数据从数字地图获取。
3.根据权利要求1所述的基于深度排放因子修正的移动源污染预测方法，其特征在于：所述自编码器网络结构，包括自编码器网络输入层x、结果输出层y和降维特征隐藏层h；
h＝f(w1×x+b1)，y＝f(w2×x+b2)；
其中，w1、w2、b1、b2为自编码器网络结构参数。
4.根据权利要求1-3任意一项所述的基于深度排放因子修正的移动源污染预测方法，其特征在于：所述尾气排放修正模型为：
e＝βpoi×lnt×e-w×ef×rna×rn×rlen+δe(t,w,poi)；
其中，