feat:上传基于膜污染奖励函数设计的强化学习模型测试版本

- 基于跨膜压差硬上限0.08Mpa和CEB效果评估计算奖励
- 为reset中初始状态生成增加了物理限制
- 修正了物理反洗模型计算的错误
- 增加了只调控进水时间的模型版本

.gitignore

@@ -1,2 +0,0 @@
-/models/uf-rl/uf_dqn_tensorboard/
-/datasets/