1.一种基于人工智能的环保水文监测数据采集方法，其特征在于，所述方法包括：利用第一传感器对目标对象进行数据采集获得第一采集数据和利用第二传感器对所述目标对象进行数据采集获得第二采集数据，其中，所述第一传感器和所述第二传感器为两种不同的传感器；

利用所述第一采集数据和所述第二采集数据对所述第一传感器和所述第二传感器进行相关性分析，获得关系分析结果，所述关系分析结果用于表征所述目标对象在所述第一传感器和所述第二传感器下测量数据之间的关联关系；

根据所述关系分析结果对所述第一采集数据和所述第二采集数据进行异常分析，获得所述第一采集数据对应的第一异常数据和所述第二采集数据对应的第二异常数据；

根据所述第一采集数据对所述第一异常数据进行数据预测，获得所述第一传感器对应的第一目标数据；

根据所述第二采集数据对所述第二异常数据进行数据预测，获得所述第二传感器对应的第二目标数据；

根据所述第一目标数据和所述第二目标数据确定所述目标对象对应的目标采集结果；

其中，所述利用所述第一采集数据和所述第二采集数据对所述第一传感器和所述第二传感器进行相关性分析，获得关系分析结果，包括：利用相关性分析模型的特征表示层对所述第一采集数据进行特征转换获得对应的第一特征向量和对所述第二采集数据进行特征转换获得对应的第二特征向量；

利用所述相关性分析模型的关联分析层根据所述第一特征向量和所述第二特征向量计算所述第一传感器和所述第二传感器之间的差别程度；

利用所述相关性分析模型的距离计算层根据所述第一采集数据和所述第二采集数据计算所述第一传感器和所述第二传感器之间的距离信息；

利用所述相关性分析模型的相关计算层根据所述差别程度、所述距离信息、所述第一采集数据和所述第二采集数据确定所述第一传感器和所述第二传感器之间的关联值；

利用所述相关性分析模型的关系确定层根据所述关联值确定所述第一传感器和所述第二传感器之间的所述关系分析结果；

其中，根据下列公式获得所述关联值：

；

其中， 表示所述第一传感器 和所述第二传感器 之间的所述关联值，diff表示所述差别程度，dis表示所述距离信息， 表示所述第一采集数据， 表示所述第二采集数据，n表示所述第一采集数据对应的数据量或者所述第二采集数据对应的数据量，ln表示自然对数；

其中，所述根据所述第一采集数据对所述第一异常数据进行数据预测，获得所述第一传感器对应的第一目标数据，包括：获得所述第一异常数据在所述第一采集数据中对应的第一位置信息，并根据所述第一位置信息对所述第一采集数据进行切割，获得第一切割数据；

根据所述第一切割数据利用神经网络算法对所述第一位置信息进行数据预测，获得所述第一位置信息对应的第一预测数据；

根据所述第一预测数据和所述第一切割数据确定所述第一传感器对应的所述第一目标数据。

2.根据权利要求1所述的方法，其特征在于，所述根据所述关系分析结果对所述第一采集数据和所述第二采集数据进行异常分析，获得所述第一采集数据对应的第一异常数据和所述第二采集数据对应的第二异常数据，包括：对所述第一采集数据进行数据聚类获得第一目标聚类结果，以及对所述第二采集数据进行数据聚类获得第二目标聚类结果；

对所述第一目标聚类结果中每个第一类簇对应的第一数量进行分析，获得所述第一采集数据对应的第一判断结果；

对所述第二目标聚类结果中每个第二类簇对应的第二数量进行分析，获得所述第二采集数据对应的第二判断结果；

对所述第一判断结果和所述第二判断结果进行数据对齐，获得目标对齐结果；

根据所述关系分析结果结合所述目标对齐结果对所述第一判断结果进行异常确定，获得所述第一采集数据对应的所述第一异常数据；

根据所述关系分析结果结合所述目标对齐结果对所述第二判断结果进行异常确定，获得所述第二采集数据对应的所述第二异常数据。

3.根据权利要求2所述的方法，其特征在于，所述对所述第一采集数据进行数据聚类获得第一目标聚类结果，以及对所述第二采集数据进行数据聚类获得第二目标聚类结果，包括：对所述第一采集数据对应的聚类中心进行初始化获得第一聚类中心，并计算所述第一采集数据到所述第一聚类中心对应的第一距离；

根据所述第一距离和所述第一聚类中心对所述第一采集数据进行聚类，获得第一聚类结果；

根据所述第一聚类结果对所述第一聚类中心进行优化获得第二聚类中心，并根据所述第二聚类中心对所述第一采集数据进行数据聚类，获得第二聚类结果；

根据所述第二聚类结果对所述第二聚类中心进行优化获得第三聚类中心，并根据所述第三聚类中心对所述第一采集数据进行数据聚类，获得第三聚类结果；

当所述第二聚类结果和所述第三聚类结果相同时，则从所述第一聚类结果和所述第二聚类结果中获得所述第一目标聚类结果；

当所述第二聚类结果和所述第三聚类结果不相同时，则继续利用所述第三聚类结果对所述第三聚类中心进行优化获得第四聚类中心，并根据所述第四聚类中心对所述第一采集数据进行数据聚类，获得第四聚类结果，直至所述第三聚类结果和所述第四聚类结果相同；

至少从所述第一聚类结果、所述第二聚类结果和所述第三聚类结果中获得所述第一目标聚类结果；

对所述第二采集数据对应的聚类中心进行初始化获得第五聚类中心，并计算所述第一采集数据到所述第五聚类中心对应的第二距离；

根据所述第二距离和所述第五聚类中心对所述第二采集数据进行聚类，获得第五聚类结果；

根据所述第五聚类结果对所述第五聚类中心进行优化获得第六聚类中心，并根据所述第六聚类中心对所述第二采集数据进行数据聚类，获得第六聚类结果；

根据所述第六聚类结果对所述第六聚类中心进行优化获得第七聚类中心，并根据所述第七聚类中心对所述第二采集数据进行数据聚类，获得第七聚类结果；

当所述第六聚类结果和所述第七聚类结果相同时，则从所述第五聚类结果和所述第六聚类结果中获得所述第二目标聚类结果；

当所述第六聚类结果和所述第七聚类结果不相同时，则继续利用所述第七聚类结果对所述第七聚类中心进行优化获得第八聚类中心，并根据所述第八聚类中心对所述第二采集数据进行数据聚类，获得第八聚类结果，直至所述第七聚类结果和所述第八聚类结果相同；

至少从所述第五聚类结果、所述第六聚类结果和所述第七聚类结果中获得所述第二目标聚类结果。

4.根据权利要求3所述的方法，其特征在于，所述当所述第二聚类结果和所述第三聚类结果相同时，则从所述第一聚类结果和所述第二聚类结果中获得所述第一目标聚类结果，包括：计算所述第一聚类结果中第三类簇中每个第一数据和所述第三类簇对应的第一类簇中心之间的第三距离；

计算所述第一类簇中心与所述第一聚类结果中剩余类簇对应的第二类簇中心之间的第一中心距离；

计算所述第二聚类结果中第四类簇中第二数据和所述第四类簇对应的第三类簇中心之间的第四距离；

计算所述第三类簇中心与所述第二聚类结果中剩余类簇对应的第四类簇中心之间的第二中心距离；

根据所述第三距离和所述第一中心距离获得所述第一聚类结果对应的第一聚类质量；

根据所述第四距离和所述第二中心距离获得所述第二聚类结果对应的第二聚类质量；

根据所述第一聚类质量和所述第二聚类质量获得所述第一目标聚类结果；

其中，根据下列公式获得所述第一聚类质量和所述第二聚类质量：

；

；

其中， 表示所述第一聚类质量，max表示获得最大值， 表示所述第三类簇中第i个所述第一数据 和第i个所述第一数据对应的所述第一类簇中心 之间的所述第三距离， 表示所述第三类簇中第i个所述第一数据 对应的所述第一类簇中心 与第t个所述第二类簇中心 之间的所述第一中心距离； 表示所述第二聚类质量， 表示所述第四类簇中第j个所述第二数据 和第j个所述第二数据对应的所述第三类簇中心 之间的所述第四距离， 表示所述第四类簇中第j个所述第二数据 对应的所述第三类簇中心 与第y个所述第四类簇中心 之间的所述第二中心距离。

5.根据权利要求2所述的方法，其特征在于，所述根据所述关系分析结果结合所述目标对齐结果对所述第一判断结果进行异常确定，获得所述第一采集数据对应的所述第一异常数据，包括：当所述关系分析结果为强相关关系时，将所述目标对齐结果中属于所述第一采集数据的数据从所述第一判断结果中剔除，获得所述第一采集数据对应的所述第一异常数据；

当所述关系分析结果为弱相关关系时，则直接将所述第一判断结果确定为所述第一采集数据对应的所述第一异常数据。

6.根据权利要求5所述的方法，其特征在于，所述根据所述关系分析结果结合所述目标对齐结果对所述第二判断结果进行异常确定，获得所述第二采集数据对应的所述第二异常数据，包括：当所述关系分析结果为所述强相关关系时，将所述目标对齐结果中属于所述第二采集数据的数据从所述第二判断结果中剔除，获得所述第二采集数据对应的所述第二异常数据；

当所述关系分析结果为所述弱相关关系时，则直接将所述第二判断结果确定为所述第二采集数据对应的所述第二异常数据。

7.根据权利要求1所述的方法，其特征在于，所述根据所述第二采集数据对所述第二异常数据进行数据预测，获得所述第二传感器对应的第二目标数据，包括：获得所述第二异常数据在所述第二采集数据中对应的第二位置信息，并根据所述第二位置信息对所述第二采集数据进行切割，获得第二切割数据；

根据所述第二切割数据利用所述神经网络算法对所述第二位置信息进行数据预测，获得所述第二位置信息对应的第二预测数据；

根据所述第二预测数据和所述第二切割数据确定所述第二传感器对应的所述第二目标数据。

8.一种基于人工智能的环保水文监测数据采集系统，用于实现如权利要求1‑7中任一项所述的基于人工智能的环保水文监测数据采集方法，其特征在于，包括：数据采集模块，用于利用第一传感器对目标对象进行数据采集获得第一采集数据和利用第二传感器对所述目标对象进行数据采集获得第二采集数据，其中，所述第一传感器和所述第二传感器为两种不同的传感器；

数据分析模块，用于利用所述第一采集数据和所述第二采集数据对所述第一传感器和所述第二传感器进行相关性分析，获得关系分析结果，所述关系分析结果用于表征所述目标对象在所述第一传感器和所述第二传感器下测量数据之间的关联关系；

异常分类模块，用于根据所述关系分析结果对所述第一采集数据和所述第二采集数据进行异常分析，获得所述第一采集数据对应的第一异常数据和所述第二采集数据对应的第二异常数据；

第一预测模块，用于根据所述第一采集数据对所述第一异常数据进行数据预测，获得所述第一传感器对应的第一目标数据；

第二预测模块，用于根据所述第二采集数据对所述第二异常数据进行数据预测，获得所述第二传感器对应的第二目标数据；

结果确定模块，用于根据所述第一目标数据和所述第二目标数据确定所述目标对象对应的目标采集结果。