1.一种基于人工智能的污水处理策略调节系统，其特征在于，所述系统包括：

水面捕获器件，用于获取待执行污水处理的目标水面的各项水面参考信息，待执行污水处理的目标水面的各项水面参考信息包括待执行污水处理的目标水面的水面面积、水体平均深度、深度最大值以及水体温度；

滤料分析器件，用于获取执行污水处理的单颗纤维球滤料的装填高度、进水高度、装填体积、进水体积以及过水滤速以作为单颗纤维球滤料的各项配置数据输出；

定量学习器件，用于获取执行纤维球滤料需要颗数智能预测的人工智能模型，所述人工智能模型为经过设定次数的多次学习后的卷积神经网络，所述设定次数的取值与单颗纤维球滤料的装填体积正向关联；

内容存储机构，与所述定量学习器件连接，用于存储所述人工智能模型；

颗粒预测机构，分别与所述水面捕获器件、所述滤料分析器件以及所述内容存储机构连接，用于将待执行污水处理的目标水面的各项水面参考信息以及单颗纤维球滤料的各项配置数据输入到所述人工智能模型以执行所述人工智能模型，获取所述人工智能模型输出的完成待执行污水处理的目标水面所在水体的污水净化所需要的纤维球滤料的颗数并作为预测滤料颗数输出；

其中，执行纤维球滤料需要颗数智能预测的人工智能模型，所述人工智能模型为经过设定次数的多次学习后的卷积神经网络，所述设定次数的取值与单颗纤维球滤料的装填体积正向关联包括：在所述卷积神经网络的每一次学习中，将完成污水净化的整块水体使用的纤维球滤料的数量作为所述卷积神经网络的输出，将单颗纤维球滤料的各项配置数据以及完成污水净化的整块水体对应的各项水面参考信息作为所述卷积神经网络的输入，以完成对所述卷积神经网络的单次学习动作。

2.如权利要求1所述的基于人工智能的污水处理策略调节系统，其特征在于，所述系统还包括：

同步控制机构，分别与所述定量学习器件、所述内容存储机构以及所述颗粒预测机构连接，用于实现所述定量学习器件、所述内容存储机构以及所述颗粒预测机构的两两动作的同步控制。

3.如权利要求1所述的基于人工智能的污水处理策略调节系统，其特征在于，所述系统还包括：

数据通信接口，分别与所述定量学习器件、所述内容存储机构以及所述颗粒预测机构连接，用于建立所述定量学习器件、所述内容存储机构以及所述颗粒预测机构的两两之间的并行通信链路。

4.如权利要求1‑3任一所述的基于人工智能的污水处理策略调节系统，其特征在于：

执行纤维球滤料需要颗数智能预测的人工智能模型，所述人工智能模型为经过设定次数的多次学习后的卷积神经网络，所述设定次数的取值与单颗纤维球滤料的装填体积正向关联包括：采用信息映射公式表示所述设定次数的取值与单颗纤维球滤料的装填体积的正向关联关系。

5.如权利要求4所述的基于人工智能的污水处理策略调节系统，其特征在于：

采用信息映射公式表示所述设定次数的取值与单颗纤维球滤料的装填体积的正向关联关系包括：使用数值仿真模式进行所述信息映射公式的仿真和测试。

6.如权利要求5所述的基于人工智能的污水处理策略调节系统，其特征在于：

采用信息映射公式表示所述设定次数的取值与单颗纤维球滤料的装填体积的正向关联关系包括：在所述信息映射公式中，将所述设定次数的取值作为所述信息映射公式的输出内容，将单颗纤维球滤料的装填体积作为所述信息映射公式的输入内容。

7.如权利要求1‑3任一所述的基于人工智能的污水处理策略调节系统，其特征在于：

在所述卷积神经网络的每一次学习中，将完成污水净化的整块水体使用的纤维球滤料的数量作为所述卷积神经网络的输出，将单颗纤维球滤料的各项配置数据以及完成污水净化的整块水体对应的各项水面参考信息作为所述卷积神经网络的输入，以完成对所述卷积神经网络的单次学习动作包括：采用MATLAB工具箱仿真将完成污水净化的整块水体使用的纤维球滤料的数量作为所述卷积神经网络的输出，将单颗纤维球滤料的各项配置数据以及完成污水净化的整块水体对应的各项水面参考信息作为所述卷积神经网络的输入，以完成对所述卷积神经网络的单次学习动作。

8.如权利要求1‑3任一所述的基于人工智能的污水处理策略调节系统，其特征在于：

将待执行污水处理的目标水面的各项水面参考信息以及单颗纤维球滤料的各项配置数据输入到所述人工智能模型以执行所述人工智能模型，获取所述人工智能模型输出的完成待执行污水处理的目标水面所在水体的污水净化所需要的纤维球滤料的颗数并作为预测滤料颗数输出包括：在将待执行污水处理的目标水面的各项水面参考信息以及单颗纤维球滤料的各项配置数据输入到所述人工智能模型之前，对待执行污水处理的目标水面的各项水面参考信息以及单颗纤维球滤料的各项配置数据分别执行二进制数值转换处理。

9.如权利要求1‑3任一所述的基于人工智能的污水处理策略调节系统，其特征在于：

所述设定次数的取值与单颗纤维球滤料的装填体积正向关联包括：在所述卷积神经网络的每一次学习中，将完成污水净化的整块水体使用的纤维球滤料的数量作为所述卷积神经网络的输出，将单颗纤维球滤料的各项配置数据以及完成污水净化的整块水体对应的各项水面参考信息作为所述卷积神经网络的输入，以完成对所述卷积神经网络的单次学习动作包括：所述卷积神经网络的多次学习分别对应处于不同位置的完成污水净化的多个不同整块水体。