1.一种船舶调载系统，其特征在于，包括：监测单元，用于监测船舶的实时状态信息及货物装载进度；

神经网络调载单元，用于采用神经网络，根据货物装载进度信息及船舶的实时状态信息预测设定时延后的船舶状态，根据设定时延后的船舶状态计算调载方案；

执行单元，用于根据调载方案调节船舶的压载水分布和压载水总量。

2.根据权利要求1所述的船舶调载系统，其特征在于，所述监测单元包括多个船舶状态传感器和至少一个货物装载进度观测器，所述船舶状态传感器用于感智船舶的浮态和吃水，提供实时的船舶状态信息，所述货物装载进度观测器用于观测待装船货物的运输进度，并实时计算待装船货物将作用于船舶上的压力和力矩，以及压力和力矩的增加趋势。

3.根据权利要求1所述的船舶调载系统，其特征在于，所述神经网络调载单元包括：压载水舱预配置计算模块，用于计算待装船货物装船前的压载水预配置；

LSTM神经网络模块，用于建立双层LSTM神经网络的船舶状态预测模型，并根据货物装载进度信息及船舶的实时状态信息计算船舶状态预测中间值；

BP神经网络模块，用于建立三层逐渐收敛的BP神经网络，根据船舶状态预测中间值计算获得船舶状态预测最终值；

PID控制模块，根据船舶的实时状态及船舶状态预测最终值之间的差值输出调节方案。

4.根据权利要求3所述的船舶调载系统，其特征在于，所述PID控制模块采用串级PID控制，包括主PID控制器及副PID控制器，所述主PID控制器用于粗调修正，所述副PID控制器用于细调修正。

5.根据权利要求1所述的船舶调载系统，其特征在于，所述执行单元包括压载水舱互补装置和压载水抽排装置，所述压载水舱互补装置用于动态分配船舶各个舱室之间的压载水，所述压载水抽排系统用于调整船舶的总压载水量。

6.一种船舶调载方法，其特征在于，包括如下步骤：S1：建立并训练包括LSTM神经网络和BP神经网络的船舶状态预测模型；

S2：采集货物装载进度信息及船舶的实时状态信息，并输入船舶状态预测模型，计算设定时延后的船舶状态预测值；

S3：利用PID控制方法，根据船舶状态预测值和船舶的实时状态信息的误差计算调节量；

S4：根据调节量调节船舶的压载水总量和舱室之间的压载水分布，使船舶维持正浮状态。

7.根据权利要求6所述的船舶调载方法，其特征在于，所述步骤S1中，LSTM神经网络为双层LSTM神经网络，BP神经网络为三层逐渐收敛的BP神经网络。

8.根据权利要求6所述的船舶调载方法，其特征在于，所述步骤S1包括：S1.1：收集船舶纵横型宽、装载货物重量、货物装载位置、货物装载前船体重心位置，货物装载后船体重心位置及船舶纵横倾角数据作为训练样本集和验证集；

S1.2：对训练样本集和验证集数据进行数据清洗，并将清洗后的数据按照时间顺序排序；

S1.3：以船舶纵横型宽、装载货物重量、货物装载位置、货物装载前船体重心位置作为LSTM神经网络第一层的输入，以货物装载后船体重心位置作为LSTM神经网络第一层的输出，以货物装载后船体重心位置作为LSTM神经网络第二层的输入，以船舶纵横倾角为LSTM神经网络第二层的输出，对LSTM神经网络进行训练；

S1.4：以训练完毕的LSTM神经网络的输出作为BP神经网络的输入，以船舶纵横倾角数据作为BP神经网络的输出对BP神经网络进行训练；

S1.5：以Nadam方法对LSTM神经网络和BP神经网络的参数进行优化，直到船舶纵横倾角的预测精度达到设定值。

9.根据权利要求6所述的船舶调载方法，其特征在于，所述步骤S2中，货物装载进度信息及船舶的实时状态信息在输入船舶状态预测模型前经过数据清洗。

10.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被设置为执行时实现根据权利要求6至9任一项所述的船舶调载方法。