1.一种基于循环神经网络的电梯调度决策方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于循环神经网络的电梯调度决策方法，其特征在于，所述步骤s01中构建预训练的循环神经网络模型的方法包括：
3.根据权利要求2所述的基于循环神经网络的电梯调度决策方法，其特征在于，所述s12中构建的电梯交通流循环神经网络模型包括输入层、隐藏层和输出层，其中隐藏层为3层循环神经网络，在每个节点中附加了一个权重矩阵，为数据集中数据项的索引；在电梯交通流循环神经网络的隐藏层中，设当前节点的值为，输出为，为节点索引，为隐藏层到输出层之间的权重矩阵，为输入层与隐藏层之间的权重矩阵，隐藏层节点的值不仅取决于当前的输入数据项，也取决于前节点的值，节点的隐藏层值和输出值的计算方式如下所示：
4.根据权利要求1所述的基于循环神经网络的电梯调度决策方法，其特征在于，所述步骤s02中预测乘客的目的楼层的计算公式为：
5.根据权利要求1所述的基于循环神经网络的电梯调度决策方法，其特征在于，所述步骤s03中对电梯运行进行调度的方法包括：
6.根据权利要求1所述的基于循环神经网络的电梯调度决策方法，其特征在于，所述步骤s03之后还包括：
7.一种基于循环神经网络的电梯调度决策系统，其特征在于，包括：
8.根据权利要求7所述的基于循环神经网络的电梯调度决策系统，其特征在于，所述预测模型构建模块中构建预训练的循环神经网络模型的方法包括：
9.根据权利要求8所述的基于循环神经网络的电梯调度决策系统，其特征在于，所述s12中构建的电梯交通流循环神经网络模型包括输入层、隐藏层和输出层，其中隐藏层为3层循环神经网络，在每个节点中附加了一个权重矩阵，为数据集中数据项的索引；在电梯交通流循环神经网络的隐藏层中，设当前节点的值为，输出为，为节点索引，为隐藏层到输出层之间的权重矩阵，为输入层与隐藏层之间的权重矩阵，隐藏层节点的值不仅取决于当前的输入数据项，也取决于前节点的值，节点的隐藏层值和输出值的计算方式如下所示：
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现权利要求1-6任一项所述的基于循环神经网络的电梯调度决策方法。