1.一种地域性的用户健康风险评估方法，其特征在于，包括以下步骤：获取体检数据并整理脆弱指标；

脆弱指标包括：高血压；心脏病；中风；神经衰弱；

获取区域环境数据并构建元素组合；

将所述脆弱指标和所述元素组合进行关联，得到环境标签；

将所述脆弱指标与生活习惯进行关联，得到关系网络；

生活习惯由问卷调查得到，包括抽烟频率和睡眠质量；

基于所述关系网络，将所述脆弱指标和生活习惯进行分类，得到数据池；

获取待测用户对应的环境标签并结合实际生活习惯作为输入，与所述数据池进行匹配，得到健康风险评估结果；

所述获取区域环境数据并构建元素组合这一步骤，其具体包括：所述区域环境数据包括大气颗粒金属浓度、饮水金属浓度和土壤金属浓度；

从不同类别的所述环境数据中各取预设数量的化学元素，构建元素组合；

所述将所述脆弱指标和所述元素组合进行关联，得到环境标签这一步骤，其具体包括：根据所述区域环境数据，合并得到第一环境矩阵；

根据所述体检数据和所述脆弱指标，合并得到第一指标矩阵；

基于所述第一环境矩阵和所述第一指标矩阵，利用机器学习建立关系模型；

对所述第一环境矩阵进行打乱，得到第二环境矩阵；

将所述第二环境矩阵输入至所述关系模型，得到第二指标矩阵；

将所述第二指标矩阵与所述第一指标矩阵相减，得到相减结果；

基于所述相减结果，计算对应元素组合与所述脆弱指标的影响程度，筛选组合，得到环境标签；

所述获取待测用户对应的环境标签并结合实际生活习惯作为输入，与所述数据池进行匹配，得到健康风险评估结果这一步骤，其具体包括：根据所述数据池，确定锚点、正样本和负样本；

定义孪生网络，设计孪生网络的结构，其包含两个相同的子网络，且这两个子网络共享权重参数；

将所述正样本和所述负样本分别输入至所述孪生网络并生成低维特征表示，结合所述锚点进行训练，得到训练完成的孪生网络；

所述孪生网络训练过程的损失函数表示如下：其中，Y表示同类别标签，D表示样本与锚点的低维特征表示之间的距离，m表示预设的边缘阈值；

基于聚类算法对所述数据池进行处理，得到对应的类别中心点；

获取待测用户对应的环境标签并结合实际生活习惯构建数据点；

将所述数据点输入至训练完成的孪生网络，得到待测低维表示；

计算所述待测低维表示与所述类别中心点的余弦相似度，得到所述数据点对于每个类别的相似度；

根据所述数据点对于每个类别的相似度得到待测用户的健康风险评估结果。

2.根据权利要求1所述一种地域性的用户健康风险评估方法，其特征在于，所述影响程度的计算公式如下：其中， 表示相减结果中第n行第j列操作前后数据的差值，N表示总行数，Bj表示对应的脆弱指标的影响程度大小。

3.根据权利要求2所述一种地域性的用户健康风险评估方法，其特征在于，还包括：引入修正补量对所述数据点对于每个类别的相似度进行修正。

4.一种地域性的用户健康风险评估系统，其特征在于，用于执行如权利要求1所述的用户健康风险评估方法，包括：第一数据整理模块，用于获取体检数据并整理脆弱指标；

第二数据整理模块，用于获取区域环境数据并构建元素组合；

第一关联模块，用于将所述脆弱指标和所述元素组合进行关联，得到环境标签；

第二关联模块，用于将所述脆弱指标与生活习惯进行关联，得到关系网络；

分类模块，基于所述关系网络，将所述脆弱指标和生活习惯进行分类，得到数据池；

匹配模块，用于获取待测用户对应的环境标签并结合实际生活习惯作为输入，与所述数据池进行匹配，得到健康风险评估结果。

5.一种地域性的用户健康风险评估装置，其特征在于，包括：至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1‑3任一项所述一种地域性的用户健康风险评估方法。