1.一种海洋牧场水质远程监测方法，其特征在于，所述方法包括：在待评估海洋牧场中提取若干个待测水样，每个所述待测水样是在不同深度抽取的水样；

利用水质检测仪分别对每个所述待测水样进行物质分析，得到每个所述待测水样对应的待测物质信息；

在获取待评估海洋牧场的环境信息后，调用预设的神经网络利用每个所述待测物质信息和所述环境信息进行预测处理，得到预测信息，所述预测处理是基于所述待测物质信息进行化学反应预测的处理；

从所述预测信息提取每种物质的含量得到预测容量值，并根据所述预测容量值的大小确定待评估海洋牧场的水质；

所述在待评估海洋牧场中提取若干个待测水样，包括：

分别确定待评估海洋牧场的海水深度值和养殖生物的活动深度值，其中，所述活动深度值是待评估海洋牧场所养殖的生物的平均活动水深；

计算所述海水深度值和所述活动深度值的比值得到深度比值，并以所述深度比值为间隔区间从水平面垂直向下依次划分若干个抽样检测点，其中，相邻两个所述抽样检测点的间隔距离为深度比值；

从水平面向下依次在每个所述抽样检测点抽取水质样本，得到若干个待测水样。

2.根据权利要求1所述的海洋牧场水质远程监测方法，其特征在于，所述调用预设的神经网络利用每个所述待测物质信息和所述环境信息进行预测处理，得到预测信息，包括：根据物质的化学属性对所述待测物质信息内的各个物质进行分类，得到多个反应物质；

根据所述多个反应物质确定化学反应的反应位点后，并计算所述反应物质对应的摩根指纹；

调用预设的神经网络对所述摩根指纹进行降维得到第一特征向量后，拼接所述反应物质对应的第一特征向量得到所述反应位点对应的第二特征向量；

将所述第一特征向量和所述第二特征向量进行拼接得到第三特征向量后，将所述环境信息输入至预设的神经网络，得到表征反应环境的第四特征向量；

将所述第三特征向量和所述第四特征向量输入回归模型，得到预测信息，所述预测信息，包括：预测产物和预测含量。

3.根据权利要求1所述的海洋牧场水质远程监测方法，其特征在于，所述调用预设的神经网络利用每个所述待测物质信息和所述环境信息进行预测处理，得到预测信息，包括：从所述待测物质信息获取物质的产物结构，并将所述产物结构转换为对应的第一SMILES序列；

将所述第一SMILES序列输入至预设的神经网络得到副产物，并将所述副产物转换为对应的第二SMILES序列，所述副产物是预测所述第一SMILES序列对应物质在进行分解反应后产生的产物；

连接所述第一SMILES序列和所述第二SMILES序列得到产物SMILES总序列；

将所述产物SMILES总序列和所述第一SMILES序列输入至预设的神经网络，得到预测信息。

4.根据权利要求1-3任意一项所述的海洋牧场水质远程监测方法，其特征在于，所述根据所述预测容量值的大小确定待评估海洋牧场的水质，包括：确定每个所述预测容量值对应物质的标签编号，并按照所述标签编号查找含量范围值；

根据多个所述预测容量值与多个所述含量范围值的比较结果确定待评估海洋牧场的水质。

5.根据权利要求4所述的海洋牧场水质远程监测方法，其特征在于，在所述根据多个所述预测容量值与多个所述含量范围值的比较结果确定待评估海洋牧场的水质的步骤后，所述方法还包括：若确定待评估海洋牧场的水质为污染时，统计若干个第一污染物质，其中，所述第一污染物质是所述预测容量值不在对应的所述含量范围值的物质；

采用若干个所述第一污染物质生成污染信息列表，并展示所述污染信息列表。

6.根据权利要求4所述的海洋牧场水质远程监测方法，其特征在于，在所述根据多个所述预测容量值与多个所述含量范围值的比较结果确定待评估海洋牧场的水质的步骤后，所述方法还包括：若确定待评估海洋牧场的水质为污染时，统计若干个第二污染物质并确定每个所述第二污染物质的污染含量，其中，所述第二污染物质是所述预测容量值不在对应的所述含量范围值的物质；

根据每个所述第二污染物质查找对应的消除物质，并利用所述污染含量确定所述消除物质的用量值；

利用若干个所述消除物质和若干个所述用量值生成修复方案。

7.一种海洋牧场水质远程监测系统，其特征在于，所述系统包括：水样提取模块，用于在待评估海洋牧场中提取若干个待测水样，每个所述待测水样是在不同深度抽取的水样；

分析物质模块，用于利用水质检测仪分别对每个所述待测水样进行物质分析，得到每个所述待测水样对应的待测物质信息；

反应预测模块，用于在获取待评估海洋牧场的环境信息后，调用预设的神经网络利用每个所述待测物质信息和所述环境信息进行预测处理，得到预测信息，所述预测处理是基于所述待测物质信息进行化学反应预测的处理；

水质监测模块，用于从所述预测信息提取每种物质的含量得到预测容量值，并根据所述预测容量值的大小确定待评估海洋牧场的水质；

所述在待评估海洋牧场中提取若干个待测水样，包括：

分别确定待评估海洋牧场的海水深度值和养殖生物的活动深度值，其中，所述活动深度值是待评估海洋牧场所养殖的生物的平均活动水深；

计算所述海水深度值和所述活动深度值的比值得到深度比值，并以所述深度比值为间隔区间从水平面垂直向下依次划分若干个抽样检测点，其中，相邻两个所述抽样检测点的间隔距离为深度比值；

从水平面向下依次在每个所述抽样检测点抽取水质样本，得到若干个待测水样。

8.根据权利要求7所述的海洋牧场水质远程监测系统，其特征在于，所述调用预设的神经网络利用每个所述待测物质信息和所述环境信息进行预测处理，得到预测信息，包括：根据物质的化学属性对所述待测物质信息内的各个物质进行分类，得到多个反应物质；

根据所述多个反应物质确定化学反应的反应位点后，并计算所述反应物质对应的摩根指纹；

调用预设的神经网络对所述摩根指纹进行降维得到第一特征向量后，拼接所述反应物质对应的第一特征向量得到所述反应位点对应的第二特征向量；

将所述第一特征向量和所述第二特征向量进行拼接得到第三特征向量后，将所述环境信息输入至预设的神经网络，得到表征反应环境的第四特征向量；

将所述第三特征向量和所述第四特征向量输入回归模型，得到预测信息，所述预测信息，包括：预测产物和预测含量。

9.根据权利要求7所述的海洋牧场水质远程监测系统，其特征在于，所述调用预设的神经网络利用每个所述待测物质信息和所述环境信息进行预测处理，得到预测信息，包括：从所述待测物质信息获取物质的产物结构，并将所述产物结构转换为对应的第一SMILES序列；

将所述第一SMILES序列输入至预设的神经网络得到副产物，并将所述副产物转换为对应的第二SMILES序列，所述副产物是预测所述第一SMILES序列对应物质在进行分解反应后产生的产物；

连接所述第一SMILES序列和所述第二SMILES序列得到产物SMILES总序列；

将所述产物SMILES总序列和所述第一SMILES序列输入至预设的神经网络，得到预测信息。