1.本发明属于城市内河治理技术领域，尤其是一种智慧城市用河道缺陷的预测方法。
背景技术：
2.城市内河是人类社会改变自然环境最为剧烈的地方，和谐的城河关系与人水关系是新型城镇化的题中应有之义。城市内河指的是流经城区内部的河段，内河流域治理的对象也主要是以城区为主体的集水区域。
3.河道小环境的恶化，只是流域大环境恶化的集中表现。河道缺陷主要包括因水质变化造成的流域污染问题；因河道淤塞和河堤受损诱发的河道运行问题；因城市普遍缺水且中水回用不成规模等导致的河道水量不足问题。
4.上述河道缺陷中，水质恶化会加速河道内植被和微生物的迅速泛滥，影响水域生态，且根系发达的植被扎根到河堤基石的缝隙中会加速河堤墙壁的毛细现象，使河堤遭受侵蚀而渗水情况加剧。
技术实现要素：
5.发明目的：提供一种智慧城市用河道缺陷的预测方法，以解决现有技术存在的上述问题。
6.技术方案：一种智慧城市用河道缺陷的预测方法，包括：划分河道的水域区间；获取河道水域区间内的环境信息；利用河道水域区间内的环境信息获取河堤基石上水植的预测生长趋势数据；利用河堤基石上水植的预测生长趋势数据基于河道清理周期得到河道缺陷预测结果。
7.进一步的，划分河道的水域区间包括：将河道的合流段和垂钓段划分为富元素区；将河道的束水段和转弯段划分为泥沙附着区。
8.进一步的，获取河道水域区间内的环境信息包括：获取水域区间的营养元素检测结果与水域区间河堤基石上的泥沙附着量；其中，营养元素检测结果包括营养元素种类和营养元素含量。
9.进一步的，获取水域区间河堤基石上的泥沙附着量包括：泥沙附着量与分河道的水域区间和水域参数相关；其中，水域参数包括流速、流量和含泥量；泥沙附着量的厚度h通过公式：得到，
其中，t为泥沙附着所用时间；ρ为含泥量；q为流量；v为流速；λa为流速系数；α为附着系数，附着系数包括α1、α2和α3，α1为束水段附着系数，α2为转弯段附着系数，α3为富元素区附着系数，其中，附着系数与河堤的结构相关；定期采集泥沙附着量的实际厚度，利用泥沙附着量的实际厚度修正附着系数和附着常数，泥沙附着量在每次河堤基石清理后重置。
10.进一步的，利用河道水域区间内的环境信息获取河堤基石上水植的预测生长趋势数据包括：根据水域区间河堤基石上的泥沙附着量判断河堤基石上生长的水植类型；利用泥沙附着量和水植类型获取土壤供养指标；利用营养元素检测结果和水植类型获取水域供养指标；构建数据库，所述数据库内包括不同土壤供养指标和水域供养指标下的水植根系长度的生长趋势；根据不同土壤供养指标和水域供养指标下的水植根系长度的生长趋势建立第一水植生长模型；采集实际的土壤供养指标和水域供养指标，根据第一水植生长模型输出河堤基石上水植的预测生长趋势数据。
11.进一步的，根据水域区间河堤基石上的泥沙附着量判断河堤基石上生长的水植类型包括：若泥沙附着量的厚度h不超过15mm，则河堤基石上生长的水植类型为单一类，单一类为泥炭苔；否则，河堤基石上生长的水植类型为混合类，混合类包括泥炭苔和根系水植。
12.进一步的，所述环境信息还包括水域区间内的生物信息，利用河道水域区间内的环境信息获取河堤基石上水植的预测生长趋势数据包括：获取水域区间内的生物信息；获取不同生物信息的生物活动对水植的预测生长趋势数据的影响幅度值；根据不同生物信息的生物活动对水植的预测生长趋势数据的影响幅度值对第一水植生长模型进行修正；采集实际的环境信息，基于修正后的第一水植生长模型输出河堤基石上水植的预测生长趋势数据。
13.进一步的，获取不同生物信息的生物活动对水植的预测生长趋势数据的影响幅度值包括：生物信息与富元素区的营养元素检测结果正相关，生物信息为食草类生物的种类和数量，生物活动为食草类生物食用水植，基于食草类生物食用水植的量得到生物信息对理想生长趋势数据的影响幅度。
14.进一步的，利用河堤基石上水植的预测生长趋势数据基于河道清理周期得到河道缺陷预测结果包括：利用预测生长趋势数据得到预测时间点的水植根系长度；利用水植根系长度拟算水植根系侵蚀河堤基石的深度；利用水植根系侵蚀河堤基石的深度表征河堤受损深度；
基于河道清理周期拟合河堤受损深度得到河道缺陷预测结果。
15.进一步的，预测方法还包括：定期获取水植根系的实际长度，利用水植根系的实际长度修正水植生长模型；定期勘测河堤基石遭受侵蚀的实际深度，利用河堤基石遭受侵蚀的实际深度修正拟算水植根系侵蚀河堤基石的拟算过程。
16.有益效果：本发明根据城市内河结构和人文活动将河道分为多个水域区间，分段对城市内河中的水植生长情况进行预测，并将河堤基石上水植生长对于河堤基石遭受侵蚀的情况联系起来，实现了河堤受损诱发河道运行缺陷的预测，在预防河道因水植迅速泛滥，影响水域生态发挥重要作用，为内河流域治理提供辅助，有利于河堤基石遭受侵蚀时毛细现象的精细化管理。
附图说明
17.图1本发明提供的一种城市内河流域水质监测方法流程图。
具体实施方式
18.在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
19.实施例一：城市内河治理是流域治理的重要内容，现提供一种城市内河河道中水植生成对河堤造成侵蚀的河道缺陷预测方法，以辅助内河流域治理，为水域生态发的精细化管理提供帮助。
20.如图1所示，一种智慧城市用河道缺陷的预测方法，包括：步骤1：划分河道的水域区间；步骤2：获取河道水域区间内的环境信息；步骤3：利用河道水域区间内的环境信息获取河堤基石上水植的预测生长趋势数据；步骤4：利用河堤基石上水植的预测生长趋势数据基于河道清理周期得到河道缺陷预测结果。
21.本方法通过城市内河结构和人文活动将河道分为多个水域区间，利用河道内的环境信息分段对城市内河中的水植生长情况进行预测，并将河堤基石上水植生长对于河堤基石遭受侵蚀的情况联系起来，实现了河堤受损诱发河道运行缺陷的预测，在预防河道因水植迅速泛滥，影响水域生态发挥重要作用，为内河流域治理提供辅助，有利于河堤基石遭受侵蚀时毛细现象的精细化管理。
22.步骤1具体包括：将河道的合流段和垂钓段划分为富元素区；河道的合流段会发生多组支流合并，河床扰动释放养分，使得水生物丰富，而垂钓段是人为选择出的河床平坦、流速慢河面波动小的水域，垂钓段具备定时投放鱼食的特点，所以水生物丰富也很丰富，将这种具备丰富养分的水域区间进行归类划分，在获取环境信息时，需要更加密集的营养元素采集样点，以提
高环境信息中营养元素的准确性，降低营养元素变化对预测结果的影响。
23.将河道的束水段和转弯段划分为泥沙附着区；河道束水段的河堤结构变窄，转弯段改变河水流动方向，这种河堤结构变化导致与河水冲击面积变化的水域区间会急速泥沙在河堤侧壁的聚集，在获取环境信息时，加大泥沙附着量的采集密度，河道清理的周期也应该更短。
24.根据城市内河结构和人文活动将河道分为多个水域区间，根据每个区间的特点，对河道进行合理的信息获取，有利于发挥信息获取的准确性，更好的反应河道信息。
25.步骤2具体包括：获取水域区间的营养元素检测结果与水域区间河堤基石上的泥沙附着量；其中，营养元素检测结果包括营养元素种类和营养元素含量。
26.营养元素检测结果和泥沙附着量作为影响水植长势的一项重要因素，可通过人工采集或探测器自动采集。
27.步骤2中获取水域区间河堤基石上的泥沙附着量包括：泥沙附着量与分河道的水域区间和水域参数相关；其中，水域参数包括流速、流量和含泥量；泥沙附着量的厚度h通过公式：得到，其中，t为泥沙附着所用时间；ρ为含泥量；q为流量；v为流速；λa为流速系数；α为附着系数，附着系数包括α1、α2和α3，α1为束水段附着系数，α2为转弯段附着系数（转弯段的迎水面选用α2，转弯段的背水面不受河水冲击，河堤基石上聚集泥沙的难度较大可选用富元素区附着系数α3），α3为富元素区附着系数，其中，附着系数与河堤的结构相关；定期采集泥沙附着量的实际厚度，利用泥沙附着量的实际厚度修正附着系数和附着常数，泥沙附着量在每次河堤基石清理后重置。随着采集泥沙附着量的实际厚度和修正次数的增多，泥沙附着量的厚度与河道实际情况越贴合，有利于预测结果的准确性。
28.步骤3具体包括：步骤31：根据水域区间河堤基石上的泥沙附着量判断河堤基石上生长的水植类型；步骤32：利用泥沙附着量和水植类型获取土壤供养指标；步骤33：利用营养元素检测结果和水植类型获取水域供养指标；步骤34：构建数据库，所述数据库内包括不同土壤供养指标和水域供养指标下的水植根系长度的生长趋势；步骤35：根据不同土壤供养指标和水域供养指标下的水植根系长度的生长趋势建立第一水植生长模型；步骤36：采集实际的土壤供养指标和水域供养指标，根据第一水植生长模型输出河堤基石上水植的预测生长趋势数据。
29.步骤31具体包括：若泥沙附着量的厚度h不超过15mm，则河堤基石上生长的水植类型为单一类，单一类为泥炭苔；否则，河堤基石上生长的水植类型为混合类，混合类包括泥炭苔和根系水植。
30.其中，泥炭苔是多种苔藓类生物的统称，附着在河堤基石上生长对泥沙附着量的厚度要求低，对河堤基石的侵蚀作用小，但泥炭苔会吸引食草生物聚集，还起到抑制根系水植生长的作用；根系水植为根系发发水生植物的统称，根系细小但容易向河堤基石的缝隙和裂痕扎根，侵蚀河堤基石的能力较强，生长条件对泥沙附着量的厚度有需求。
31.上述环境信息为不包含生物信息时，预测生长趋势数据的获取方法，若城市内河允许生物群落存在，则需要考虑生物信息对预测生长趋势数据的影响。
32.当环境信息还包括水域区间内的生物信息时，步骤5：利用河道水域区间内的环境信息获取河堤基石上水植的预测生长趋势数据包括：步骤51：获取水域区间内的生物信息；步骤52：获取不同生物信息的生物活动对水植的预测生长趋势数据的影响幅度值；步骤53：根据不同生物信息的生物活动对水植的预测生长趋势数据的影响幅度值对第一水植生长模型进行修正；步骤54：采集实际的环境信息，基于修正后的第一水植生长模型输出河堤基石上水植的预测生长趋势数据。
33.步骤52具体包括：生物信息与富元素区的营养元素检测结果正相关，即营养元素检测结果中氮磷元素含量高，浮游生物繁殖环境好，浮游生物数量较多，从而诱发生物集群，生物信息更加丰富，生物信息为食草类生物的种类和数量，生物活动为食草类生物食用水植，基于食草类生物食用水植的量得到生物信息对理想生长趋势数据的影响幅度。
34.步骤4具体包括：步骤41：利用预测生长趋势数据得到预测时间点的水植根系长度；步骤42：利用水植根系长度拟算水植根系侵蚀河堤基石的深度；步骤43：利用水植根系侵蚀河堤基石的深度表征河堤受损深度；步骤44：基于河道清理周期拟合河堤受损深度得到河道缺陷预测结果。
35.关于河道清理周期的设定，在预测方法投入使用的前期可根据河道管理部分的工作能力设定，以周或月为单位均可，经过一定时间的训练后，预测方法中的公式和模型逐渐成熟，河道清理周期的设定可根据水植生长模型中水植根系长度预测值和河道缺陷预测结果进行灵活调整，在一个河道清理周期结束后，当水植生长模型预测到某一个时间点存在水植疯长的情况，河道清理周期应设定在该时间点之前，且河道受损随着河道清理次数的增多，河道缺陷的叠加效果会越加显著，故河道清理周期会随着河道清理次数的增多而缩短，合理的设定河道清理周期有利于防止根系水植迅速生长，避免管理不当造成严重的侵蚀实质。
36.另外，河堤基石上的附着泥沙和水植清理后，河堤基石遭受的侵蚀不会消失，河堤上的毛细现象有利于水植的生长，在拟合多个河道清理周期下的河堤受损深度时，需要为总的河堤受损深度配一个周期系数，该周期系数随着周期量的增大而增大。
37.预测方法还包括：定期获取水植根系的实际长度，利用水植根系的实际长度修正水植生长模型；
定期勘测河堤基石遭受侵蚀的实际深度，利用河堤基石遭受侵蚀的实际深度修正拟算水植根系侵蚀河堤基石的拟算过程。
38.本发明提供的河道缺陷预测方法在城市内河的管理中发挥重要作用，对城市内河的生态环境治理提供了及时的清整指示，在水植侵蚀河堤的防御方面效果显著。
39.以上结合附图详细描述了发明的优选实施方式，但是，发明并不限于上述实施方式中的具体细节，在发明的技术构思范围内，可以对发明的技术方案进行多种等同变换，这些等同变换均属于发明的保护范围。