1.基于Syntalos的多模态数据高精度时间同步采集系统，其特征在于，所述系统包括：目标确定模块，用于确定第一主钟设备、若干第二主钟设备以及若干从钟设备，所述第一主钟设备向若干所述第二主钟设备和若干所述从钟设备发送时间同步报文；其中，所述时间同步报文至少包括时间粒度，所述从钟设备用于采集多模态数据；

时间划分模块，用于基于所述时间同步报文的时间粒度划分时间分区；

索引建立模块，用于基于每个所述时间分区建立对应的时间分区索引，并通过同步拓扑网络输出预测索引表；

状态评估模块，用于基于所述预测索引表确定所述多模态数据的初始时间分区，引入机器学习模型，搭建规则引擎，分析影响程度，预测下一个发生偏差的时间分区；

时间同步模块，用于基于所述下一个发生偏差的时间分区标记一次时间偏差事件，并在Syntalos同步界面对检测到的所述时间偏差事件同步处理；

其中，所述划分时间分区，包括：基于多模态数据，获取包含各从钟设备全采集周期的时间信息，至少包括从钟设备的采集时间戳；基于从钟设备和对应的时间信息，结合第一主钟设备的时间粒度，将多模态数据划分为多个时间分区，并通过从钟设备类型确定的采样频率范围和第一主钟设备的时间粒度进行划分。

2.根据权利要求1所述的基于Syntalos的多模态数据高精度时间同步采集系统，其特征在于，所述确定第一主钟设备、若干第二主钟设备以及若干从钟设备，包括：当接收到上电信号后，立即获取设备的MAC地址和时钟编码；

基于MAC地址和时钟编码形成唯一哈希值，基于哈希值确定设备类型，包括第一主钟设备、第二主钟设备以及从钟设备。

3.根据权利要求1所述的基于Syntalos的多模态数据高精度时间同步采集系统，其特征在于，所述同步拓扑网络的构建，包括：将时间分区映射为一个拓扑节点，且拓扑节点包括第一主钟节点、第二主钟节点以及从钟节点；提取时间分区的跳数信息和通信链路信息，在相邻时间分区的拓扑节点之间构建拓扑边，且拓扑边至少携带链路延迟参数；其中，通信链路信息至少包括时间同步报文的接收和发送时间戳；

同时，为第一主钟节点配置时钟，通过拓扑边向第二主钟节点和从钟节点广播时间同步报文，并生成同步信号，第二主钟节点接收第一主钟节点的同步信号并实时同步。

4.根据权利要求1所述的基于Syntalos的多模态数据高精度时间同步采集系统，其特征在于，所述输出预测索引表的步骤，包括：对同步拓扑网络中的所有节点进行遍历，获取每个节点的设备类型及连接关系，且连接关系通过预设的图模型获取；

通过每个时间分区，基于节点连接关系确定与该分区内节点边相连的所有节点所在的时间分区，形成关联时间分区集合；

将设备类型集合、设备数量及关联时间分区集合整合为预测索引表。

5.根据权利要求1所述的基于Syntalos的多模态数据高精度时间同步采集系统，其特征在于，所述引入机器学习模型，搭建规则引擎，分析影响程度，预测下一个发生偏差的时间分区，包括：标记时间拓扑网络的节点和链路的关联；其中，节点为时间拓扑网络中参与时间同步的设备，链路为连接两个节点对应于实际通信线路的路径，包括但不限于有线以太网、无线 Wi‑Fi或光纤组成的传输通道，且每条链路至少携带同步信号延迟参数；

设置节点同步状态的方程组：通过节点时间偏差分析生成的第一方程组和链路延迟分析生成的第二方程组；通过获取节点上的所有时钟、时间同步报文的接收和发送时间戳获得第一方程组和第二方程组的解；

通过将对应节点获得的解拼接处理，获得特征矩阵，并将每个节点对应的特征矩阵和预设的特征阈值矩阵比较分析，当特征矩阵小于预设特征阈值矩阵，则对应位置标记为1，否则标记为0，依次标记形成对应节点组合的状态矩阵；

基于第一方程组，获取时间偏差序列；基于时间偏差序列，获得漂移参数，结合状态矩阵，均作为机器学习模型的输入特征，输出偏差分类概率，并与该模型内的预设的对比区间比较，获得对应的偏差集合和影响程度，并结合预测索引表，快速映射至发生偏差的时间分区；其中，影响程度包括一级影响、二级影响以及三级影响。

6.根据权利要求5所述的基于Syntalos的多模态数据高精度时间同步采集系统，其特征在于，所述机器学习模型采用决策树算法。

7.根据权利要求3所述的基于Syntalos的多模态数据高精度时间同步采集系统，其特征在于，所述为第一主钟节点配置时钟的步骤中，包括：通过时间拓扑网络引入主用链路和冗余链路，若主用链路存在二级影响或三级影响时，从钟节点自动切换至冗余链路接收同步信号。

8.基于Syntalos的多模态数据高精度时间同步采集方法，其特征在于，所述方法包括：确定第一主钟设备、若干第二主钟设备以及若干从钟设备，所述第一主钟设备向若干所述第二主钟设备和若干所述从钟设备发送时间同步报文；其中，所述时间同步报文至少包括时间粒度，所述从钟设备用于采集多模态数据；

基于所述时间同步报文的时间粒度划分时间分区；

基于每个所述时间分区建立对应的时间分区索引，并通过同步拓扑网络输出预测索引表；

基于所述预测索引表确定所述多模态数据的初始时间分区，引入机器学习模型，搭建规则引擎，分析影响程度，预测下一个发生偏差的时间分区；

基于所述下一个发生偏差的时间分区标记一次时间偏差事件，并在Syntalos同步界面对检测到的所述时间偏差事件同步处理；

其中，所述划分时间分区，包括：基于多模态数据，获取包含各从钟设备全采集周期的时间信息，至少包括从钟设备的采集时间戳；基于从钟设备和对应的时间信息，结合第一主钟设备的时间粒度，将多模态数据划分为多个时间分区，并通过从钟设备类型确定的采样频率范围和第一主钟设备的时间粒度进行划分。

9.一种计算机可读存储介质，其特征在于，其上存储有程序，所述程序被处理器执行时，实现权利要求8中所述的基于Syntalos的多模态数据高精度时间同步采集方法。