1.一种动态监测的传感器布局与多源信息融合方法，其特征在于，包括：根据预设的传感器布局模型对环境传感器的位置、生理传感器的位置和二维平面图进行初步匹配，获得匹配集；根据所述匹配集和约束变量计算得到所述环境传感器与生理传感器最大监测比；根据所述传感器最大监测比确定优化布局并对所述环境传感器与所述生理传感器进行优化布局；其中，所述传感器布局模型是基于二维平面图、所述环境传感器与生理传感器的位置之间的关系构建得到的；

根据数据时空权重将同质传感器数据进行初步融合，得到多种同质数据；

根据相对时间关系确定寻优权重对所述多种同质数据进行异质传感器数据融合，构建得到多源信息融合模型；

对优化后的环境传感器与生理传感器进行周期性信息提取数据，对验证通过的所述数据利用所述多源信息融合模型进行数据融合，得到三级动态评估决策；其中，所述多源信息融合模型是基于同质传感器数据融合和异质传感器数据融合结合得到的。

2.根据权利要求1所述的动态监测的传感器布局与多源信息融合方法，其特征在于，根据预设的传感器布局模型对将环境传感器的位置、生理传感器的位置和二维平面图进行初步匹配，获得匹配集；根据所述匹配集和约束变量计算得到所述环境传感器与生理传感器最大监测比；根据所述传感器最大监测比确定优化布局并对所述环境传感器与所述生理传感器进行优化布局前，还包括：对三维空间生存环境和活体动物三维几何特征进行降维，得到所述二维平面图。

3.根据权利要求1所述的动态监测的传感器布局与多源信息融合方法，其特征在于，所述根据数据时空权重将同质传感器数据进行初步融合，具体包括：根据数据空间重要性与数据时间重要性计算得到所述数据时空权重，根据所述数据时空权重进行所述同质传感器数据融合处理，得到所述多种同质数据；

所述数据空间重要性为：

∑ln为tm时刻数据集包含的总个数，km,n为tm时刻某一数据值lm,n出现次数；

所述数据时间重要性为：

Yμ,ν为μ时间段中包含的ν个数据，n为传感器数量，k'm,n为μ时间段数据值lm,n出现次数；

所述数据时空权重重构模型为：

4.根据权利要求1所述的动态监测的传感器布局与多源信息融合方法，其特征在于，所述根据相对时间关系确定寻优权重对所述多种同质数据进行异质传感器数据融合，具体包括：设定一个欧式空间，存在寻优变量、权重寻优器、分类寻优器；

将所述权重寻优器寻找到的最优路径所需的所述相对时间关系转化为所述寻优权重；

所述分类寻优器对所述寻优变量进行分类，根据分类结果与所述寻优权重进行异质传感器数据融合。

5.根据权利要求1所述的动态监测的传感器布局与多源信息融合方法，其特征在于，所述三级动态评估决策，具体包括：养殖个体健康评估：对单个动物生理信息数据根据所述多源信息融合模型进行数据融合，得到个体数据融合信息和个体健康评估决策；

养殖群体态势评估：将所述个体数据融合信息与当前动物群体的生理信息根据所述多源信息融合模型进行数据融合，得到群体数据融合信息和群体态势评估决策；

养殖种群预测评估：将所述群体数据融合信息与处理后的所述环境传感器数据根据所述多源信息融合模型进行数据融合，得到种群预测评估决策。

6.根据权利要求5所述的动态监测的传感器布局与多源信息融合方法，其特征在于，所述养殖种群预测评估前，还包括：对所述群体数据融合信息进行预先分类，根据不同种群的数据权重排序进行所述数据融合。

7.根据权利要求5所述的动态监测的传感器布局与多源信息融合方法，其特征在于，还包括：每级融合结束后会将融合信息数据进行数据质量评估和数据诊断，若所述数据质量评估和数据诊断通过则作为下一级输入数据。

8.一种动态监测的传感器布局与多源信息融合系统，其特征在于，包括：优化模块：用于根据预设的传感器布局模型对环境传感器的位置、生理传感器的位置和二维平面图进行初步匹配，获得匹配集；根据所述匹配集和约束变量计算得到所述环境传感器与生理传感器最大监测比；根据所述传感器最大监测比确定优化布局并对所述环境传感器与所述生理传感器进行优化布局；其中，所述传感器布局模型是基于二维平面图、所述环境传感器与生理传感器的位置构建得到的；

融合模块，用于根据数据时空权重将同质传感器数据进行初步融合，得到多种同质数据；

构建模块，用于根据相对时间关系确定寻优权重对所述多种同质数据进行异质传感器数据融合，构建得到多源信息融合模型；

评估模块：用于对优化后的环境传感器与生理传感器进行周期性信息提取数据，对验证通过的所述数据利用所述多源信息融合模型进行数据融合，得到三级动态评估决策；其中，所述多源信息融合模型是基于同质传感器数据融合和异质传感器数据融合结合得到的。