1.一种数据采集点部署方法，其特征在于，所述方法包括：确定待检测水域的网格覆盖率和水质特征非均匀分布环境场的标量场重构误差；

结合所述网格覆盖率和所述标量场重构误差，构建适应度函数；

根据适应度函数，利用粒子群优化算法与引力搜索算法对采样点位置集合进行寻优处理，确定采样点位置集合的最优解及所述最优解对应的适应度值；

按照所述采样点位置集合的最优解对应的采样点位置在所述待检测水域部署数据采样点；

所述确定水质特征非均匀分布环境场的标量场重构误差，具体包括：确定误差分析的位置点(x,y)个数为I；

获取所述水质特征非均匀分布环境场中任意的所述位置点的温度真实值Z和与所述位置点的温度真实值Z对应的估计值Z'；

利用公式 计算所述标量场重构误差；

所述构建适应度函数具体包括：

以所述网格覆盖率的最大化和所述标量场重构误差的最小化为目标，构建适应度函数；所述适应度函数为：fitness＝a*(1‑f1)+b*f2；

其中，a，b为常数因子，f1为所述网格覆盖率，f2为所述标量场重构误差。

2.根据权利要求1所述的数据采集点部署方法，其特征在于，所述确定待检测水域的网格覆盖率具体包括：

将所述待检测水域中二维平面S区域离散化为等单位边长的网格；所述网格的数量为C；

在所述网格上随机部署D个采样点；每个所述采样点的位置为Xd＝(xd,yd),d＝1,2,…,D；

采用布尔感知模型判断所述采样点所在的网格是否被覆盖，得到判断结果；所述布尔感知模型为：

其中，Dis(Xd,p)≤RS时，P(Xd,p)＝1，表示所述采样点所在的网格被覆盖；Dis(Xd,p)＞RS时，P(Xd,p)＝0，表示所述采样点所在的网格未被覆盖；

Dis(Xd,p)为所述采样点d与任意所述网格的中心点p(x,y)的欧几里得距离：Rs为监测点的有效感知半径；

根据所述判断结果确定被覆盖的网格数目为Cs；

按照公式 计算所述网格覆盖率。

3.根据权利要求1所述的数据采集点部署方法，其特征在于，所述利用所述粒子群优化算法与引力搜索算法对采样点位置集合进行寻优处理，确定采样点位置集合的最优解及所述最优解对应的适应度值，具体包括：(1)初始化粒子群中每个粒子的位置和速度，所述位置满足公式所述速度满足公式

所述粒子代表一组采样点位置集合，即 其中Xid＝(xid,yid)，i＝1,

2,…,N，d＝1,2,…,D，其中，Xid表示采样点d的位置， 表示粒子i的位置，Vid表示采样点d的速度，表示粒子i的速度；

(2)确定最大迭代次数Gmax；

(3)根据所述适应度函数计算所述粒子的适应度值(4)比较所述粒子群中的所有所述粒子的适应度值的大小，确定所述适应度值的最小值，以所述适应度值的最小值对应的所述粒子作为所述采样点位置集合的最优解；以所述适应度值的最小值做为所述最优解对应的适应度值(5)判断迭代次数是否达到最大迭代次数，若是，输出所述采样点位置集合的最优解及所述最优解对应的适应度值 若否，利用公式更新每一所述粒子的所述速

度和所述位置，并返回步骤(3)；

其中， 表示粒子i的速度矩阵的转置， 表示粒子i的更新后的速度矩阵的转置，表示粒子i的位置矩阵的转置， 表示粒子i的更新后的位置矩阵的转置，c表示学习因子，randi表示[0,1]的均匀随机数，Lbest为寻优过程中的全局最优解，w为惯性权重；

所述惯性权重的计算公式为：

其中wmax为所述惯性权重的最大值、wmin为所述惯性权重的最小值；f表示粒子的适应度函数值，favg表示所有粒子的平均适应度函数值，fmin表示所有粒子的最小适应度函数值。

4.一种数据采集点部署系统，其特征在于，所述系统包括：网格覆盖率和标量场重构误差确定单元，用于确定待检测水域的网格覆盖率和水质特征非均匀分布环境场的标量场重构误差；

适应度函数构建单元，用于结合所述网格覆盖率和所述标量场重构误差，构建适应度函数；

寻优单元，用于根据适应度函数，利用粒子群优化算法与引力搜索算法对采样点位置集合进行寻优处理，确定采样点位置集合的最优解及所述最优解对应的适应度值；

部署单元，用于按照所述采样点位置集合的最优解对应的采样点位置在所述待检测水域部署数据采样点；

所述网格覆盖率和标量场重构误差确定单元还包括标量场重构误差确定子单元，所述标量场重构误差确定子单元用于确定水质特征非均匀分布环境场的标量场重构误差，所述标量场重构误差确定子单元具体包括：误差分析点确定模块，用于确定误差分析的位置点(x,y)个数为I；

温度获取模块，用于获取所述水质特征非均匀分布环境场中任意的所述位置点的温度真实值Z和与所述位置点的温度真实值Z对应的估计值Z'；

标量场重构误差计算模块，用于利用公式 计算所述标量场重构误差；

所述适应度函数构建单元用于构建适应度函数，所述适应度函数构建单元具体包括：适应度函数构建子单元，用于以所述网格覆盖率的最大化和所述标量场重构误差的最小化为目标，构建适应度函数；所述适应度函数为：fitness＝a*(1‑f1)+b*f2；

其中，a，b为常数因子，f1为所述网格覆盖率，f2为所述标量场重构误差。

5.根据权利要求4所述的数据采集点部署系统，其特征在于，所述网格覆盖率和标量场重构误差确定单元包括网格覆盖率确定子单元，所述网格覆盖率确定子单元，用于确定待检测水域的网格覆盖率；所述网格覆盖率确定子单元具体包括：网格划分模块，用于将所述待检测水域中二维平面S区域离散化为等单位边长的网格；

所述网格的数量为C；

随机部署模块，用于在所述网格上随机部署D个采样点；每个所述采样点的位置为Xd＝(xd,yd),d＝1,2,…,D；

布尔感知模型判断模块，用于采用布尔感知模型判断所述采样点所在的网格是否被覆盖，得到判断结果；所述布尔感知模型为：其中，Dis(Xd,p)≤RS时，P(Xd,p)＝1，表示所述采样点所在的网格被覆盖；Dis(Xd,p)＞RS时，P(Xd,p)＝0，表示所述采样点所在的网格未被覆盖；

Dis(Xd,p)为所述采样点d与任意所述网格的中心点p＝(x,y)的欧几里得距离：Rs为监测点的有效感知半径；

被覆盖网格数目确定模块，用于根据所述判断结果确定被覆盖的网格数目为Cs；

网格覆盖率计算模块，用于按照公式 计算所述网格覆盖率。

6.根据权利要求4所述的数据采集点部署系统，其特征在于，所述寻优单元利用所述粒子群优化算法与引力搜索算法对采样点位置集合进行寻优处理，确定采样点位置集合的最优解及所述最优解对应的适应度值，所述寻优单元具体包括：粒子初始化子单元，用于初始化粒子群中每个粒子的位置和速度，所述位置满足公式所述速度满足公式

所述粒子代表一组采样点位置集合，即其中Xid＝(xid,yid)，i＝1,2,…,N，d＝1,2,…,D，其中，Xid表示采样点d的位置， 表示粒子i的位置，Vid表示采样点d的速度， 表示粒子i的速度；

迭代次数确定子单元，用于确定最大迭代次数Gmax；

适应度函数计子单元，用于根据所述适应度函数计算所述粒子的适应度值适应度值比较子单元，用于比较所述粒子群中的所有所述粒子的适应度值的大小，确定所述适应度值的最小值，以所述适应度值的最小值对应的所述粒子作为所述采样点位置集合的最优解；以所述适应度值的最小值做为所述最优解对应的适应度值迭代次数判断子单元，用于判断迭代次数是否达到最大迭代次数，若是，输出所述采样点位置集合的最优解及所述最优解对应的适应度值 若否，利用公式更新每一所述粒子的所述速

度和所述位置，并返回所述适应度函数计子单元；

其中， 表示粒子i的速度矩阵的转置， 表示粒子i的更新后的速度矩阵的转置，表示粒子i的位置矩阵的转置， 表示粒子i的更新后的位置矩阵的转置，c表示学习因子，randi表示[0,1]的均匀随机数，Lbest为寻优过程中的全局最优解，w为惯性权重；

所述惯性权重的计算公式为：

其中wmax为所述惯性权重的最大值、wmin为所述惯性权重的最小值；f表示粒子的适应度函数值，favg表示所有粒子的平均适应度函数值，fmin表示所有粒子的最小适应度函数值。