1.一种海洋环境监测要素短期预测方法，其特征在于，包括如下步骤：
步骤1：建立关系数据库，表中记录每个海洋环境要素的基础信息,包括监测位置信息、监测参数信息和监测时间信息；
步骤2：对海洋环境要素进行数据预处理，包括对海洋环境输入要素采用线性归一化处理，对输出要素采用对数归一化处理；
步骤3：采用准则函数定阶法确定自回归模型的阶数，采用最小二乘估计方法对自回归模型进行参数估计；
步骤4：将海洋环境要素输入到自回归模型中，采用单步预测方法，预测出短期的输入因子数值；
步骤5：通过随机函数对深度神经网络的权值和偏移量进行初始化，对海洋环境输出要素进行训练、学习和预测；
步骤6：将步骤4得到的短期输入因子的预测值通过步骤5中的深度神经网络得出输出要素的短期预测值。
2.根据权利要求1所述的一种海洋环境输出要素短期预测方法，其特征在于，所述的步骤2具体包括：
2.1)求出海洋环境输入要素的最大值和最小值，分别记为xmax，xmin，和海洋环境输出要素的最大值和最小值，分别记为ymax，ymin；
2.2)利用海洋环境输入要素的最大值xmax和最小值xmin，采用线性的方法进行归一化预处理，区间为[0.1,0.9]；
2.3)利用海洋环境输出要素的最大值ymax和最小值ymin，采用对数的方法进行归一化预处理，区间为[0.1,0.9]。
3.根据权利要求1所述的一种海洋环境输出要素短期预测方法，其特征在于，所述的步骤3中，当自回归模型的预测误差超过阈值时，调整阶数使其预测误差不超过所述的阈值。
4.根据权利要求1所述的一种海洋环境输出要素短期预测方法，其特征在于，所述的步骤5中，初始化具体如下：将权值W初始化为随机函数W＝0.1×randn(m,n)，可视节点的偏移量b初始化为b＝0.1×randn(1,m)，隐含节点的偏移量c初始化为c＝0.1×randn(1,n)，其中m指的是可视层的神经元个数，n指的是隐含层的神经元个数，randn()为生成标准正态分布矩阵随机数的生成函数。
5.根据权利要求1所述的一种海洋环境输出要素短期预测方法，其特征在于，所述的步骤6具体包括：
6.1)将海洋环境输入要素按照时间序列的方式进行组织，选取部分数据作为训练数据集；
6.2)将步骤4中的自回归模型预测出的短期输入因子数值作为深度神经网络的测试样本，通过步骤5中的深度神经网络得出输出要素的短期预测结果。