1.一种水资源实时监控方法，其特征在于，包括：

获取由第一传感器组和第二传感器组采集的水资源在第一关键节点和第二关键节点的参数值，所述参数值包括流量、压力、水位、温度、浊度、pH值、电导率和余氯量；

将所述水资源在第一关键节点和第二关键节点的参数值按照参数样本维度排列为输入向量以得到第一水资源参数输入向量和第二水资源参数输入向量；

通过基于深度神经网络模型的特征提取器分别对所述第一水资源参数输入向量和所述第二水资源参数输入向量进行特征提取以得到第一水资源参数关联特征向量和第二水资源参数关联特征向量；

计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的相关度，并确定所述水资源在从第一关键节点流转至第二关键节点的过程中是否被污染；

其中，计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的相关度，并确定所述水资源在从第一关键节点流转至第二关键节点的过程中是否被污染，包括：计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的所述相关度；

基于所述相关度与预定阈值之间的比较，确定所述水资源在从第一关键节点流转至第二关键节点的过程中是否被污染；

其中，计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的所述相关度，包括：以如下相关度公式计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的所述相关度；

其中，所述相关度公式为：

；

其中， 和 分别表示所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量， 和 分别为两种不同的线性变换， 表示所述相关度。

2.根据权利要求1所述的水资源实时监控方法，其特征在于，所述基于深度神经网络模型的特征提取器为基于全连接层的特征提取器。

3.根据权利要求2所述的水资源实时监控方法，其特征在于，响应于所述相关度小于所述预定阈值，确定所述水资源在从第一关键节点流转至第二关键节点的过程中被污染。

4.根据权利要求3所述的水资源实时监控方法，其特征在于，还包括训练步骤：用于对所述基于全连接层的特征提取器进行训练。

5.根据权利要求4所述的水资源实时监控方法，其特征在于，所述训练步骤，包括：获取训练数据，所述训练数据包括由第一传感器组和第二传感器组采集的水资源在第一关键节点和第二关键节点的训练参数值，所述训练参数值包括训练流量、训练压力、训练水位、训练温度、训练浊度、训练pH值、训练电导率和训练余氯量；

将所述水资源在第一关键节点和第二关键节点的训练参数值按照参数样本维度排列为训练输入向量以得到训练第一水资源参数输入向量和训练第二水资源参数输入向量；

通过基于深度神经网络模型的特征提取器分别对所述训练第一水资源参数输入向量和所述训练第二水资源参数输入向量进行特征提取以得到训练第一水资源参数关联特征向量和训练第二水资源参数关联特征向量；

计算所述训练第一水资源参数关联特征向量和所述训练第二水资源参数关联特征向量之间的所述训练相关度；

计算所述训练第一水资源参数关联特征向量和所述训练第二水资源参数关联特征向量之间的预定损失函数值；

计算所述训练相关度和所述预定损失函数值的加权和作为损失函数值来对所述基于全连接层的特征提取器进行训练。

6.一种水资源实时监控系统，其特征在于，包括：

数据获取模块，用于获取由第一传感器组和第二传感器组采集的水资源在第一关键节点和第二关键节点的参数值，所述参数值包括流量、压力、水位、温度、浊度、pH值、电导率和余氯量；

向量排列模块，用于将所述水资源在第一关键节点和第二关键节点的参数值按照参数样本维度排列为输入向量以得到第一水资源参数输入向量和第二水资源参数输入向量；

特征提取模块，用于通过基于深度神经网络模型的特征提取器分别对所述第一水资源参数输入向量和所述第二水资源参数输入向量进行特征提取以得到第一水资源参数关联特征向量和第二水资源参数关联特征向量；

水资源污染情况判断模块，用于计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的相关度，并确定所述水资源在从第一关键节点流转至第二关键节点的过程中是否被污染；

其中，所述水资源污染情况判断模块，包括：

计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的所述相关度；

基于所述相关度与预定阈值之间的比较，确定所述水资源在从第一关键节点流转至第二关键节点的过程中是否被污染；

其中，计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的所述相关度，包括：以如下相关度公式计算所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量之间的所述相关度；

其中，所述相关度公式为：

；

其中， 和 分别表示所述第一水资源参数关联特征向量和所述第二水资源参数关联特征向量， 和 分别为两种不同的线性变换， 表示所述相关度。

7.根据权利要求6所述的水资源实时监控系统，其特征在于，所述基于深度神经网络模型的特征提取器为基于全连接层的特征提取器。

8.一种电子设备，包括：

处理器；

存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1‑5中任一项所述的水资源实时监控方法。