1.预测性有害气体监测设备，其特征在于，包括：远程移动终端；所述远程移动终端包括微处理器；所述微处理器上集成无线传输模块，用于与控制服务器通信连接；
所述微处理器还分别与监测模块、存储模块电性连接；所述监测模块与数据采集模块电性连接；所述数据采集模块电性连接气体传感器组；所述气体传感器组包括多个传感器，用于检测多种有害气体；所述数据采集模块，用于采集各传感器获取的检测数据；所述监测模块将数据采集模块快传递的检测数据传递至检测模型中，并获取有害气体浓度数据。
2.根据权利要求1所述的预测性有害气体监测设备，其特征在于，所述微处理器还通过信号转换接口与监控摄像机连接；所述微处理器还分别与gps定位模块、雷达探测装置连接；所述远程移动终端、摄像机、雷达探测装置均通过蓄电池供电；所述蓄电池还连接灯光照明装置，用于照明。
3.根据权利要求1所述的预测性有害气体监测设备，其特征在于，所述微处理器还与声光报警器电性连接，用于检测到有害气体的发出警报。
4.根据权利要求1所述的预测性有害气体监测设备，其特征在于，所述气体传感器组包括可燃气体传感器、有毒气体传感器以及双用气体传感器；所述双用气体传感器用于检测可燃气体浓度数据以及有毒气体浓度数据。
5.根据权利要求1所述的预测性有害气体监测设备，其特征在于，所述数据采集模块包括模数转换电路以及滤波电路；所述模数转换电路的输入端与所述气体传感器组的输出端连接；所述数模转换电路的输出端与滤波电路输入端连接；所述滤波电路的输出端与监测模块连接。
6.根据权利要求1所述的预测性有害气体监测设备，其特征在于，所述监测模型是通过使用样本数据对深度置信网络进行训练获得；所述监测模型包括n层受限波尔兹曼机网络和设置在n层受限波尔兹曼机网络的下层的反向传播神经网络，所述n≥2。
7.根据权利要求6所述的预测性有害气体监测设备，其特征在于，所述监测模型是通过使用样本数据对深度置信网络进行训练获得，具体过程如下：
获取多组样本数据，其中，每一组所述样本数据都包括通过所述气体传感器组对有害气体进行检测得到的检测数据以及有害气体的真实浓度数据；
对所述深度置信网络的参数进行初始化赋值；
利用所述样本数据对所述深度置信网络进行训练以得到所述监测模型。
8.根据权利要求7所述的预测性有害气体监测设备，其特征在于，对所述深度置信网络的参数进行初始化赋值，具体过程包括如下：
设置最上层受限波尔兹曼机网络的可视层的节点个数为所述气体传感器组中的传感器的个数；
设置反向传播神经网络的输出层的节点个数为所述气体传感器组可检测的有害气体的种类数；
设置所述深度置信网络的其它各层的节点个数为同一数值；
设置各层受限波尔兹曼机网络的可视层偏置、隐藏层偏置、可视层和隐藏层的连接权重为随机极小值；
设置反向传播神经网络的输入层偏置、输出层偏置、输入层和输出层的连接权重为随机值；
设置所述深度置信网络的学习速率、训练精度和训练次数。