技术领域
[0001] 本
申请属于水质检测技术领域，尤其涉及一种水质浊度预测方法。
背景技术
[0002]
地理信息系统(GIS，Geographic Information System)是一
门综合性的学科，结合地理学与地图学以及遥感和计算机科学，已经广泛的应用在不同的领域，是用于输入、存储、查询、分析和显示地理数据的
计算机系统。普遍的统计方法无法对空间部署中的所有点进行监测，但是却可以获得整个水域内的一定数量的空间样本点，通过这些空间样本点来反映出空间分布的部分或者全部地特征，并且通过这样的方式来预测未知地理空间特征。在某种意义上来说，空间插值法可以被认为是通过已拥有的空间数据来预测未知空间的数据值的有效方法。
[0003] 近些年来，国内众多学者关于基于GIS的空间插值方法的研究已经有了很多的成果。例如，2012年，孔令娜，向南平等人针对反距离权重插值法、样条函数插值法、普通克里金插值法在降水量空间插值中的
缺陷，提出了引入月平均总
云量影响因子的协同克里金插值方法，并以内蒙古降水量数据为例进行实验，结果表明，引入月平均总云量影响因子的协同克里金插值在
精度和拟合度方面得到改善。2013年，吴红艳，程东升，周文兵，胡晓波，葛晓东，朱端卫等人以洪湖2007-2010年间水质因子为研究对象，选用在地统计学中常用的全局多项式、局部多项式、径向基函数、反距离权重和普通克里格插值法等5种模型，对洪湖水质进行研究和分析，发现洪湖总氮
质量浓度具有不同的空间分布特征。2017年，孙惠玲，廖泽波，段立曾，洪亮等人针对基于离散
采样点的传统水质参数统计方法不能详细分析湖泊水质参数指标的问题，从而选用克里金插值
算法和反距离加权插值算法对阳宗海夏季水质参数空间分布规律进行研究和分析，通过交叉验证发现Kriging插值算法的精度比IDW插值算法略高，试验成果为阳宗
海水环境评估和综合
整治提供了理论依据。
[0004] 国外众多学者关于空间插值方法应用的研究也作出了许多贡献，例如，2018年，S S Prasetiyowati，Y Sibaroni等人针对当前预测DHF
疾病传播模式精确度不高的问题，提出了使用IDW和kriging基于2010年至2015年的数据预测2016年至2018年DHF患者的数量，根据实验结果表明，IDW和克里金预测的DHF疾病传播模式在一段时间内是近似的模式。Jasim H S，Mustafa T等人分别使用反距离加权、泰森多边形、趋势面分析、局部多项式插值、薄板样条、普通克里金、通用克里金和简单克里金等八种插值方法对积分周期内的降水和
温度进行插值实验，实验结果显示普通克里金预测精度较高。
[0005] 然而，
现有技术的研究方法还是存在一些预测精度不高和
稳定性不高等问题。
发明内容
[0006] 本申请的目的是提供一种水质浊度预测方法，克服了传统IDW算法和传统克里金算法的上述等问题，并用该插值算法对临安东湖水质参数进行预测，同时和传统的IDW插值算法与传统的克里金算法的预测结果进行对比，结果表明本申请插值算法略好于传统的算法，且能够较为客观的反映临安东湖水质变化趋势。
[0007] 为了实现上述目的，本申请技术方案如下：
[0008] 一种水质浊度预测方法，用于对待检测的水域进行水质浊度预测，其包括：
[0009] 在待检测的水域内设置采样点和边界点，获取采样点的水质浊度；
[0010] 根据边界点的坐标建立直
角坐标系，获取待检测的水域内等距离y轴垂直线和x轴垂直线的交点集合，将交点集合去除掉采样点集合得到待插值的预测点集合N；
[0011] 依次选择预测点集合N中的点作为插值点Z，以采样点集合中两个采样点为参考点，使用线性插值的方法，计算出Z点对应于所述两个采样点的水质浊度预测值，遍历采样点集合中不同的两个采样点的组合，获得Z点对应的水质浊度预测值结果集合；
[0012] 对Z点对应的水质浊度预测值结果集合中每个预测值进行排序，选取出预测值大的前TR个预测值，计算所述TR个预测值的平均值作为Z点的水质浊度最终预测值。
[0013] 进一步的，所述以采样点集合中两个采样点为参考点，使用线性插值的方法，计算出Z点对应于所述两个采样点的水质浊度预测值，包括：
[0014] 根据两个采样点的坐标，获取两个采样点的直线，计算出所述直线的斜率；
[0015] 通过点斜式方程法获得经过Z点的两个采样点直线的垂线；
[0016] 根据所述直线和垂线，计算出两个采样点的距离、其中一个采样点到所述垂线与直线的垂足点的距离；
[0017] 根据所述两个采样点的水质浊度及两个采样点的距离、其中一个采样点到所述垂线与直线的垂足点的距离进行插值计算，计算出Z点对应于所述两个采样点的水质浊度预测值。
[0018] 进一步的，所述根据所述两个采样点的水质浊度及两个采样点的距离、其中一个采样点到所述垂线与直线的垂足点的距离进行插值计算，计算出Z点对应于所述两个采样点的水质浊度预测值，包括：
[0019]
[0020] 其中，NTUDi为Z点的水质浊度预测值，NTUA2为两个采样点中的第二采样点的水质浊度，NTUA1为两个采样点中的第一采样点的水质浊度，|A1A2|为两个采样点的距离，|A2Di|为所述第二采样点距离垂足点的距离。
[0021] 进一步的，所述TR为预设的经验值，优选的，所述TR为14。
[0022] 进一步的，所述对Z点对应的水质浊度预测值结果集合中每个预测值进行排序，选取出预测值大的前TR个预测值，采用快排排序TopK算法。
[0023] 本申请提出的一种水质浊度预测方法，将TopK算法引入水质预测当中，与传统克里金算法和IDW反距离加权算法作对比，在预测水质参数NTU的准确性方面有所提高，本申请为小面积湖泊的水质预测提供了一种较为简便又有一定精度的新预测方法。
附图说明
[0024] 图1为本发明
实施例一种水质浊度预测方法
流程图；
[0025] 图2为本发明实施例插值示意图。
具体实施方式
[0026] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。
[0027] 本申请提供的一种水质浊度预测方法，如图1所示，包括如下步骤：
[0028] 步骤S1、在待检测的水域内设置采样点和边界点，获取采样点的水质浊度。
[0029] 本实施例在待检测的水域内设置采样点，待检测水域可以是湖泊，或塘坑，其中采样点的设置可多可少，采样点设置的越多，后续的计算结果越准确，考虑到最后的效果，采样点也无须设置过多。在设置采样点后，采样采样点的水质浊度，作为后续计算的
基础。为了后续的验证，还可以设置一些验证点，同样采样验证点的水质浊度，作为后续验证的基础。
[0030] 本实施例以临安东湖为例，东湖位于杭州市临安区，是人工开挖的湖泊，平均水深1.5m。考虑到实验的准确性以及便捷性，选择浙江农林大学校园内的东湖区域作为研究区域，东湖位于学校的西南侧，占地面积约44000平方米左右，水中也有常见的水生
植物以及
水生动物，符合一个小微水域水环境的构成标准。
[0031] 在临安东湖湖面试验区设置60个采样点，其中采样点25个，作为采样点集合，其中35个验证点组成验证点集合，并且在湖面周围选取了108个点作为边界点集合，用以界定湖面的边界。然后利用无人移动船搭载水质监测仪器获取研究区域的水质参数信息，再将获取的水质参数信息去除异常数据，将处理后的数据用于后续的预测。
[0032] 步骤S2、根据边界点的坐标建立直角坐标系，获取待检测的水域内等距离y轴垂直线和x轴垂直线的交点集合，将交点集合去除掉采样点集合得到待插值的预测点集合N。
[0033] 本实施例根据边界点的地理
位置坐标，建立直角坐标系，从而可以获取待检测的水域内等距离y轴垂直线和x轴垂直线的交点集合。例如以湖面的一个边为x轴，就可以建立直角坐标系，从而根据边界点的地理位置坐标，作x轴、y轴的垂直线，得到交点的坐标，这可以根据基本的几何数学获得，这里不再赘述。
[0034] 本实施例从交点集合中去除采样点集合，就得到待插值的预测点集合N。
[0035] 步骤S3、依次选择预测点集合N中的点作为插值点Z，以采样点集合中两个采样点为参考点，使用线性插值的方法，计算出Z点对应于所述两个采样点的水质浊度预测值，遍历采样点集合中不同的两个采样点的组合，获得Z点对应的水质浊度预测值结果集合。
[0036] 本实施例依次选择预测点集合N中的点作为插值点Z，通过本申请的插值法来获取Z点的水质浊度预测值，遍历预测点集合N中的所有点。
[0037] 对于选取的Z点，如图2所示，以任意两个采样点为参考，假设为A1、A2，其中A1在直角坐标系中的坐标为(XA1，YA1)，A2在直角坐标系中的坐标为(XA2，YA2)，根据两个采样点的坐标，获取两个采样点的直线，计算出所述直线的斜率。
[0038] 两点式方程法来表示A1A2直线方程，即方程为：
[0039]
[0041] Y＝kX+b (2)
[0042] 参数k和b均可以通过(1)式求出。
[0043] 通过点斜式方程法获得经过Z点的两个采样点直线的垂线。
[0044] 根据点斜式方程法可以得出经过Z点的A1A2直线的垂线方程为：
[0045]
[0046] 整理可得：
[0047]
[0048] 根据所述直线和垂线，计算出两个采样点的距离、其中一个采样点到所述垂线与直线的垂足点的距离。
[0049] 结合(2)、(3)方程组，可以得出垂足点Di的坐标为(XDi，YDi)。
[0050] 根据距离公式，可以求得：
[0051]
[0052]
[0053] 根据上述计算结果进行插值计算，计算出Z点对应于所述两个采样点的水质浊度预测值。
[0054] 设A1的水质浊度(NTU)值为NTUA1，设A2的NTU值为NTUA2，设Di位置的NTU值为NTUDi，根据公式可以计算出NTUDi：
[0055]
[0056] 其中，NTUDi为Z点的水质浊度预测值，NTUA2为两个采样点中的第二采样点的水质浊度，NTUA1为两个采样点中的第一采样点的水质浊度，|A1A2|为两个采样点的距离，|A2Di|为所述第二采样点距离垂足点的距离。将NTUDi作为插入点Z基于A1和A2采样点所预测出来的NTU预测值。
[0057] 根据此方法，每次选取两个采样点作为参考点，遍历采样点集合中不同的两个采样点的组合，获得Z点对应的水质浊度预测值结果集合。容易理解的是，采样点集合中不同的采样点组合也就是说每个组合中两个采样点是不完全相同的，例如(A1、A2)和(A1、A3)是不同的，(A1、A2)和(A3、A4)也是不同的。即如果将采样点集合中任意两个采样点连线，则每个连线对应一个组合。如何，这样的组合有M个，则通过本申请的方法可以得到Z点的M个预测值，构成Z点对应的水质浊度预测值结果集合。
[0058] 步骤S4、对Z点对应的水质浊度预测值结果集合中每个预测值进行排序，选取出预测值大的前TR个预测值，计算所述TR个预测值的平均值作为Z点的水质浊度最终预测值。
[0059] 本实施例采用快排排序TopK算法，从预测值结果集合中选取出预测值大的前TR个预测值，计算所述TR个预测值的平均值作为Z点的水质浊度最终预测值。
[0060] 依次选择预测点集合N中的点作为插值点Z，遍历所预测点集合N中的所有点，从而预测出预测点的水质浊度最终预测值。
[0061] 需要说明的是，TR的具体数值，可以预先设定，本实施例分别选择了TR值为16、15、14、13、12做实验，最后通过验证点来比较预测结果，确定TR值为14时精确度最高。
[0062] 最后，本申请还将验证点的预测值取出，并与验证点的真实采样值进行比较分析，以此验证本申请预测方法的精确度，经过验证本申请技术方案与传统克里金算法和IDW反距离加权算法作对比，在预测水质参数NTU的准确性方面有所提高。
[0063] 本申请选取克里金插值算法、IDW反距离插值算法进行比较验证，比较结果如下表：
[0064]
[0065] 表1
[0066] 其中，Kriging为克里金插值算法，IDW表示IDW反距离插值算法，TRI14表示本申请的方法，MAE是平均绝对误差，MRE是平均相对误差。
[0067] 验证结果显示，三种算法皆能较为有效的预测出水质浊度参数，然而TRI14较前两种方法所得出的绝对误差更低，即预测值更接近实际值。表1给出了三种算法对水质浊度参数的预测结果的平均相对误差、平均绝对误差。由表1可得TRI算法的平均绝对误差为3.09，低于克里金插值算法的预测结果的平均绝对误差4.16和反距离加权算法的预测结果的平均绝对误差4.40。于此同时预测平均相对误差也有了很大的改善，可得TRI算法的平均相对误差为1.93％，低于克里金插值算法的预测结果的平均相对误差2.57％和反距离加权算法的预测结果的平均相对误差2.72％。TRI算法预测的结果的离散程度更低，更接近于实际值。因此，本申请的TRI算法较克里金插值算法和IDW反距离加权算法的预测更为精确，具有一定的研究参考意义。在预测水质参数NTU的准确性方面有所提高，可以说TRI算法为小面积湖泊的水质预测提供了一种较为简便又有一定精度的新预测方法。
[0068] 以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明
专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干
变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附
权利要求为准。
