1.一种基于多特征数据、多模型的水流速度预测方法，其特征在于：包括如下步骤：步骤1，采集河床床面粗糙程度、水面坡降大小、断面形状规则程度、水流含沙量大小、测点离开床面的距离作为第一特征；

步骤2，采集河道级别的变化处作为第二特征；

步骤3，计算不同的两条河道轨迹的对应特征点的欧几里得距离L：式中，pi和qi分别表示不同的两条河道轨迹的第i个对应特征点，n为总的特征点数量，i＝1,2,…,n；

若所述欧几里得距离小于设定阈值，则将所述欧几里得距离作为第三特征；

步骤4，为第一特征、第二特征和第三特征分配相应的权重，且第二特征的权重大于第一特征和第三特征的权重；

步骤5，将第一特征、第二特征、第三特征及其相应的权重输入流速预测模型，输出水流速度。

2.根据权利要求1所述的一种基于多特征数据、多模型的水流速度预测方法，其特征在于，还包括：所述流速预测模型包括人工神经网络模型、深度学习模型、朴素贝叶斯模型。

3.根据权利要求2所述的一种基于多特征数据、多模型的水流速度预测方法，其特征在于，还包括：将第一特征输入人工神经网络模型；

将第二特征输入深度学习模型；

将第三特征输入朴素贝叶斯模型；

为计算出的三种结果分配权重值，得到最终的水流速度。

4.一种基于多特征数据、多模型的水流速度预测系统，其特征在于，所述系统包括：第一特征确定单元，用于采集河床床面粗糙程度、水面坡降大小、断面形状规则程度、水流含沙量大小、测点离开床面的距离作为第一特征；

第二特征确定单元，用于采集河道级别的变化处作为第二特征；

第三特征确定单元，用于计算不同的两条河道轨迹的对应特征点的欧几里得距离L：式中，pi和qi分别表示不同的两条河道轨迹的第i个对应特征点，n为总的特征点数量，i＝1,2,…,n；

若所述欧几里得距离小于设定阈值，则将所述欧几里得距离作为第三特征；

权重分配单元，用于为第一特征、第二特征和第三特征分配相应的权重，且第二特征的权重大于第一特征和第三特征的权重；

输出单元，用于将第一特征、第二特征、第三特征及其相应的权重输入流速预测模型，输出水流速度。

5.根据权利要求4所述的一种基于多特征数据、多模型的水流速度预测系统，其特征在于，还包括:所述流速预测模型包括人工神经网络模型、深度学习模型、朴素贝叶斯模型。

6.根据权利要求4所述的一种基于多特征数据、多模型的水流速度预测系统，其特征在于，还包括：第一输入单元，用于将第一特征输入人工神经网络模型；

第二输入单元，用于将第二特征输入深度学习模型；

第三输入单元，用于将第三特征输入朴素贝叶斯模型；

最终预测单元，用于为计算出的三种结果分配权重值，得到最终的水流速度。

7.一种电子设备，其特征在于，所述电子设备包括：一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-3中任一所述的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-3中任一所述的方法。