1.一种基于克里金插值及泰森多边形的冻土钻孔布置方法，其特征在于，包括：步骤1，在目标区域内拟定初始钻孔点，获得每个初始钻孔点对应的泰森多边形的面积和影响范围，获得整体性指标，其中，所述整体性指标的表达式为其中，E(P)为钻孔布置为P时的整体性指标，n为钻孔点总个数，S i 为序号为i的泰森多边形网格面积大小， 为所有泰森多边形面积的均值，即 步骤2，根据历史冻土分布数据，获取冻土分布重点区域的几何分布，并与预设的敏感区域对应几何分布合并，得到重点区域几何分布；步骤3，针对重点区域几何分布中的每个重元素进行蒙特卡洛均匀采样，随后进行Delaunay三角剖分，得到重点区域网格；所述步骤3具体包括：步骤3.1，使用随机方法在重点区域几何分布中任一个重元素W i 内生成大量随机点作为初始采样点，对每个初始采样点，计算其与周围点的距离值，并根据距离阈值筛选出符合均匀分布要求的点；步骤3.2，对于筛选出的无效采样点，进行进一步的筛选，通过迭代计算每个点与最近邻点的距离，直到满足均匀分布条件，最终剩余的有效采样点形成均匀分布的点集I' i 作为结果，同时将重元素W i 的边缘线按d min 长度进行等分获取点集I” i ，合并点集，令最终结果I i ＝I' i +I” i ；步骤3.3，针对点集I i 进行Delaunay三角剖分，获取重元素W i 的网格集信息{M i |m i1 ,m i2 ,…m ij ,…,m iN }，其中N为重元素W i 中的三角网格总个数，m ij 为重元素W i 中的第j个三角网格元素，N为重元素W i 中的网格元素总数，同时获取重元素W i 中网格面积信息{S i |s i1 ,s i2 ,…s ij ,…,s iN }和中心点位置信息{P i |p i1 ,p i2 ,…p ij ,…,p iN }，得到重点区域网格，s ij 为区域W i 离散化后的网格集M i 中序号为i的网格元素面积，p ij 为网格集M i 中序号为i的网格元素中心点；步骤4，选取经验协方差函数计算重点区域网格中的每个网格重元素的精度指标；所述步骤4具体包括：步骤4.1，针对工程情况，在有往年插值数据的情况下，将往年插值时选用的变异函数转化为协方差函数，并以该协方差函数的参数作为经验协方差函数的参数，或者，在往年插值数据缺失的情况下，通过收集工程所在区域相关类型的工程数据获取经验协方差函数的基本参数；步骤4.2，获取了经验协方差函数后，根据钻孔布置P，针对重点区域中的任一网格元素，定义其中心点p j 的精度值；步骤4.3，根据精度值计算该中心点对应网格元素的精度函数；步骤4.4，根据重元素W i 离散化后的网格集M i ，得到重点区域网格中的每个网格重元素的精度函数；步骤4.5，将重点区域网格中的每个网格重元素的精度函数累和形成重元素W i 的精度函数，获取精度指标集{R(P)|R 1 (P),R 2 (P),…,R i (P),…,R m+1 (P)}，其中，R i (P)表示重元素W i 的精度函数，m为离散冻土总数量，l为敏感区域总数量；步骤5，将整体性指标和精度指标线性加权得到目标函数，并以钻孔点坐标位置为变量，利用遗传算法迭代求解目标函数获得最优解作为钻孔布置方案。
2.根据权利要求1所述的方法，其特征在于,所述步骤1具体包括：在目标区域H内将拟定的n个钻孔点{P|P 1 ,P 2 ,…,P i ,…,P n }视为中心点生成对应的泰森多边形，其中P i 为序号为i的钻孔点，其对应的面积信息为{S|S 1 ,S 2 ,…,S i ,…,S n }，其中S i 为P i 对应的泰森多边形网格面积大小，将每个泰森多边形的区域面积大小S i 作为钻孔点的影响范围,并据此形成整体性指标。
3.根据权利要求2所述的方法，其特征在于,所述步骤2具体包括：步骤2.1，根据历史冻土分布数据，获取冻土边界信息；步骤2.2，将任一冻土边界线分别向内、外两个方向各偏移预设距离，偏移过程中该边界线的扫掠区域即为该离散冻土分布重点区域；步骤2.3，重复步骤2.2，直至全部冻土边界线完成偏移，得到所有冻土分布重点区域的几何分布；步骤2.4，将冻土分布重点区域的几何分布与预设的敏感区域对应几何分布合并，得到重点区域几何分布。
4.根据权利要求3所述的方法，其特征在于,所述重元素W i 精度函数的表达式为其中，R i (P)为钻孔布置为P时对应的重元素W i 的精度函数，x ij 为三角网格m ij 的中心点的X坐标，y ij 为三角网格m ij 的中心点的Y坐标，s ij 为网格m ij 的的面积大小，X k 为序号为k的钻孔点的X坐标，Y k 为序号为k的钻孔点的Y坐标，n为钻孔点总数量，N为重元素W i 中的网格元素总数。
5.根据权利要求4所述的方法，其特征在于,所述步骤5具体包括：将整体性指标E(P)与精度指标集{R(P)|R 1 (P),R 2 (P),…,R i (P),…,R m+l (P)}进行整合，获取总个数为m+l+1的多目标函数集{f(P)|f 1 (P),f 2 (P),…,f m+l+1 (P)}；在多目标函数集的基础上，根据其重要程度构造出权重系数集{w|w 1 ,w 2 ,…,w i ,…,w m+l+1 }，将各个子目标函数线性加权后得到转化后的目标函数F(P)，其中，所述目标函数的表达式为其中，P为钻孔布置，m为离散冻土总数量，l为敏感区域总数量，f i (P)为某一具体目标函数，w i 为f i (P)的权重系数；设定群体大小pop、交叉概率p c 、和变异概率p m ，随后随机生成初始种群，将钻孔点的坐标视为变量进行染色体编码，对种群进行遗传操作生成新种群，并计算其目标函数值是否满足要求，如果否，再进行新一轮的遗传操作进行迭代，直到F(P)到达某一较大值，得到最优个体并进行解码输出，作为钻孔布置的最优解。
