基于綜合分析法的城市需水預測研究

李析男 趙先進 余紅敏

摘要：城市需水預測受眾多因素的影響，相比利用單一方法進行需水預測，多方法綜合預測更能響應多因素的干擾。采用綜合分析法預測城市需水，包括資料審查、初步預測、綜合預測、需水預測4個階段。首先，以多種方法對需水定額、社會經濟指標等進行預測和檢驗;其次，采用權重綜合評定方法對各種方法進行賦權，并進行相應指標的綜合預測;然后，采用傳統(tǒng)的定額分析法，對城市需水進行統(tǒng)計;最后，對預測成果進行合理性分析。以貴州省貴安新區(qū)為例，預測2020年需水量為20 481.9萬m3，2030年為40 902.1萬m3，經用水總量符合性分析和用水結構合理性分析，預測結果合理。

關鍵詞：城市需水; 需水預測; 綜合分析法; 貴安新區(qū); 貴州省

中圖法分類號：TV213.4文獻標志碼：ADOI：10.15974/j.cnki.slsdkb.2022.05.004

文章編號：1006 - 0081（2022）05 - 0028 - 06

0 引 言

水資源需求預測是對一個區(qū)域在未來一定時期內的需水總量（或一個部門、行業(yè)需水量）及其時空分配進行推測、估計[1]。合理的城市需水預測對于水資源管理的合理決策起著重要作用。自20世紀60年代開始，美國、日本、英國等國已經開始了全國需水預測，為指導水資源的開發(fā)利用提供指導意見。中國的需水預測起源于20世紀50年代，但是主要集中在灌區(qū)尺度，其后逐步擴展到區(qū)域以及全國范圍[2]。根據需水預測的研究目標、預測變量、預測周期、變量選擇以及預測尺度，需水預測的常用方法大致可以分為定性和用水定額法、單變量時間序列分析法、滑動平均和指數光滑模型、隨機過程模型、時間序列回歸模型、場景分析法和決策支持系統(tǒng)、人工神經網絡、組合預測法等[3]。上述方法主要是利用城市發(fā)展的歷史用水資料進行推測。然而，一些城市由于產業(yè)結構的調整、不同區(qū)域之間的差異等因素的影響，采用單一的需水預測方法可能會有較大偏差，故考慮采用多種預測模型（綜合預測模型）進行需水預測，不僅對用水量變動影響因素的解釋能力更強，而且預測精度較高[4]。本文建立了綜合分析方法基本框架，在資料合理的基礎上，通過多種方法對人口和經濟進行預測，并采用權重綜合的方式，達到多種方法綜合的目的，降低多方法間的差異和干擾，最終得到較好的預測結果。采用該綜合分析法對需水進行預測可降低單一預測方法的不確定性，同時也彌補多方法之間的影響和差異，為城市需水預測提供了新的思路和方法。

1 綜合分析法結構

水資源需求量很大程度反映了一個城市社會經濟發(fā)展的水平。因此，城市社會經濟的相關指標是預測需水量的重要因素。一般來說，社會經濟指標包括人口數量、相關產業(yè)社會經濟產值等，在預測中則采用往年社會經濟指標序列來預測未來某年的社會經濟指標，進而推算出相關用戶的需水量。針對時間序列的特點，本文將綜合分析預測方法分為4個階段，即資料審查、初步預測、綜合預測、需水預測，系統(tǒng)結構如圖1所示。

1.1 資料審查

資料審查是對資料合理性的檢查，需對原始資料進行搜集、提取、處理、再加工。

1.2 初步預測

1.2.1 預測方法

初步預測是對選取的社會經濟指標進行擬合和預測，主要包括兩個部分：① 人口預測[5]和經濟指標擬合;② 結果檢驗和初始預測。系統(tǒng)選取了人口、經濟產值為預測指標，一共選取了9種預測方法進行擬合和預測。本文的人口預測采用Logistics模型、Malthus模型和BP神經網絡模型。這3種方法是根據城市最大容量預測不同規(guī)劃年人口數量，而不是對原始序列進行擬合，其結果檢驗方式需要結合城市人口的總體規(guī)劃進行比對。Logistics模型、Malthus模型為經典人口預測模型，應用較廣;BP神經網絡模型的動態(tài)學習能力對人口波動性數據具有較強的識別和擬合能力，能夠克服以往人口預測模型剔除奇異值或劃分階段處理的缺陷[6]。經濟預測在計算機軟硬件不斷更新以及現代數學方法不斷完善的基礎上，形成了很多種類的預測方法[7]。根據實際問題的需求，本文經濟指標的擬合采用灰色模型、多項式模型（1～3次）、指數模型、對數模型、ARMA模型和NAR神經網絡模型[8]，這6種方法分別采用各自的檢驗方法進行比選，通過檢驗則進入初始預測，否則返回資料審查階段重新開始;通過檢驗但初始預測結果不合理，則直接剔除該預測方法，若所有方法均不合格，則選取其他預測模型進行預測分析。

1.2.2 初步預測結果檢驗

傳統(tǒng)的需水預測是選取某一方法預測值作為最終結果，或者對比分析若干方法的預測結果，選取較為合理的預測值作為最終結果。但也存在一系列問題：① 如果是兩種或兩種以上預測方法擬合效率都較高時，還沒有明確的分析方式來確定某個方法模擬效果最佳，尤其各種方法擬合結果差異較大時，則無法解釋未來預測結果的優(yōu)劣;② 如果只有一種預測方法的擬合效率較高，則單一方法對未來預測的優(yōu)劣難以評定。所以，應采用多種方法進行初步預測，并選取通過檢驗的幾種方法進行綜合預測。

1.3 綜合預測

綜合預測是對初步預測結果進行綜合，其基本思想是對已通過檢驗的預測方法賦權，以權重為依據，綜合各個方法預測值的權重，得到最終預測指標的目標值，即多種預測方法權重值與指標值的乘積之和。

1.3.1 權重分析

賦權方法主要采用變差系數法、熵權法、標準/平均差法、CRITIC法（Criteria Importance Through Intercriteria Correlation，CRITIC）等。

（1） 變差系數法也叫變異系數法[9]（Coefficient of variation method），是直接利用各項指標所包含的信息，通過計算得到指標的權重，是一種客觀賦權的方法。該方法的基本做法是：在評價指標體系中，指標取值差異越大的指標，也就是越難以實現的指標，這樣的指標更能反映被評價單位的差距。

（2） 熵權法的基本思路是根據指標變異性的大小來確定客觀權重[10]。

（3） 標準/平均差法思路與熵權法相似。通常某個指標的標準差越大，表明指標值的變異程度越大，提供的信息量越多，在綜合評價中所起到的作用越大，其權重也越大。相反，某個指標的標準差越小，表明指標值的差異程度越小，提供的信息量越少，在綜合評價中所起到的作用越小，其權重也應越小[11]。

（4） CRITIC法[12]是一種以指標之間的對比強度和沖突性來綜合衡量其權重的客觀權重賦值方法。該方法不僅考慮到指標所包含信息量大小對權重的影響，還考慮了不同方案的對比強度以及各項指標之間的沖突性，更為客觀。

為了在評價中既反映決策的主觀性，又體現決策的客觀性，需要對上述各指標的主客觀賦權進行集成。本研究采用沈陽武等[13]提出的基于最優(yōu)組合權重的電能質量灰色綜合評價方法作為權重綜合評定方法。該方法是一種兼顧主客觀因素的集成賦權方法，可以提高綜合評價的科學性。

1.3.2 指標預測

指標預測是對初始預測中通過檢驗的模型預測結果進行綜合，通過變差系數法、熵權法、標準/平均差法和CRITIC法計算各個已通過檢驗的模型預測結果權重，再對上述各指標的權重進行集成，得到各權重評價方法的綜合權重。綜合權重值代表該模型在預測中所占的比重，并乘以相應的預測值，求和之后即為綜合預測結果。

在中國水資源規(guī)劃中，廣泛采用分產業(yè)的預測方法，分為生活用水、生產用水和生態(tài)用水等，分別研究不同產業(yè)用水變化規(guī)律，對未來用水目標進行預測。

2 實例分析

貴安新區(qū)地處貴州省貴陽、安順兩市之間，是中國第8個國家級新區(qū)，規(guī)劃范圍包括貴陽、安順下轄清鎮(zhèn)市、花溪區(qū)、西秀區(qū)、平壩縣的20個鄉(xiāng)鎮(zhèn)及5個社區(qū)，規(guī)劃總面積為1 795 km2，行政區(qū)總面積為1 895 km2。

本研究來源于《貴州貴安新區(qū)總體規(guī)劃（2013-2030）水資源論證》，規(guī)劃期限為2013～2030年，基準年為2012年、近期為2013～2020年、遠期為2021～2030年。貴安新區(qū)2012年常住人口75萬，其中，城鎮(zhèn)人口約31萬，城鎮(zhèn)化率41%。

2.1 資料審查

本文數據來源包括：貴州省統(tǒng)計年鑒（2000～2012年）、貴州省水資源公報（2000～2012年）、貴陽市統(tǒng)計年鑒（2002～2012年）、貴陽市水資源公報（2002～2012年）、安順市統(tǒng)計年鑒（2004～2012年）、安順市統(tǒng)計年鑒（2004～2012年）。農業(yè)經濟和非農業(yè)經濟產值通過面積比例統(tǒng)計而得，各類用水定額以貴陽市為標準進行統(tǒng)計，成果詳見表1，2。

2.2 初步預測

2.2.1 人口預測

3種模型的初始人口預測過程不贅述，結果詳見表3。Malthus模型和BP神經網絡模型能較好地驗證Logistic模型的預測結果，還需對上述3種模型結果進行綜合預測。

2.2.2農業(yè)經濟預測

擬采用8種模型對農業(yè)經濟進行預測（表4，5），并進行假設檢驗。根據檢驗結果，選擇通過檢驗的模型進行預測，預測結果見表6。

根據貴安新區(qū)城市總體規(guī)劃，在規(guī)劃年將實現從傳統(tǒng)農業(yè)向都市農業(yè)的轉型，種植結構的優(yōu)化及發(fā)展模式的變化將促進其逐年增長，而NAR模型預測結果呈現出農業(yè)經濟總值隨著時間變化而減小的趨勢，與實際情況不符，故認為該法預測有誤，在綜合預測時不考慮該法。

.2.3 非農業(yè)經濟預測

與農業(yè)經濟預測過程相類似，方法及成果不再贅述，7種模型皆通過檢驗，結果詳見表7。

2.2.4 定額預測

定額預測與上述流程一致，方法及成果不再贅述，（非）農業(yè)用水定額的模型預測結果見表8。對居民生活用水定額進行預測時，ARMA模型和NAR模型通過了檢驗，故選取這2個模型進行預測，結果見表8。

對于各用戶定額預測，有如下結論：① 方法檢驗不通過，則不采用該模型進行預測;② 檢驗通過的模型，預測結果發(fā)現如出現負值等明顯錯誤的，不選取其結果作為綜合預測的依據。

2.3 綜合預測

對研究區(qū)域的人口數量、農業(yè)經濟值、非農業(yè)經濟值及其定額等指標進行綜合預測，為了降低權重計算誤差，在權重綜合計算中更能體現各指標值增長階段性變化規(guī)律，故將各模型初始預測結果分為兩個階段進行權重分析和指標預測。其中，以2013～2020年預測值為第一段，2021～2030年預測值為第二段。各指標在不同預測模型下的權重值，見表9，再結合表6～8的各指標值，得到最終的指標預測值。

（1） 人口預測。2013～2020年Logistic模型預測結果、BP神經網絡模型預測結果、Malthus模型預測結果的綜合權重分別為0.355 1，0.306 2，0.338 7，則2020年人口預測值為129.4萬人。2021～2030年Logistic模型預測結果、BP神經網絡模型預測結果、Malthus模型預測結果的綜合權重分別為0.308 0，0.315 2，0.376 8，則2030年人口預測值為231.6萬人。

（2） 農業(yè)經濟預測。2020年為389 870.1萬元，2030年為1 162 513.2萬元。非農產業(yè)經濟預測，2020年為5 661 613.2萬元，2030年為34 169 332.6萬元。農業(yè)用水定額預測，2020年為107.7 m3/萬元，2030年為25.9 m3/萬元。非農產業(yè)用水定額預測，2020年為11.6 m3/萬元，2030年為4.7 m3/萬元。居民生活用水定額預測，2020年為118.5 L/（人·d），2030年為117.3 L/（人·d）。

（3） 對于居民生活用水定額，考慮到預測模型所參考原始序列均為居民生活用水凈定額，根據CJJ 92-2002《城市供水管網漏損控制及評定標準》，取管網漏損率為10%進行居民生活用水毛定額的計算，得出貴安新區(qū)2020年和2030年居民生活需水毛定額分別為131.6 L/（人·d），130.3 L/（人·d）。

2.4 需水預測

采用農業(yè)經濟定額法，經預測：2020，2030年農業(yè)經濟產值分別為39.0億元和116.3億元，2020，2030年經濟定額分別為166.7 m3/萬元和83.3 m3/萬元，則2020，2030年農業(yè)多年平均灌溉用水總量分別為6 498.9萬m3和9 679.9萬m3。

采用非農產業(yè)經濟定額法，貴安新區(qū)2020，2030年非農產業(yè)經濟定額分別為11.8 m3/萬元和5.3 m3/萬元，非農產業(yè)經濟2020，2030年分別為566.2億元和3 416.9億元，則非農產業(yè)2020，2030年總需水量分別為6 680.0萬m3和18 262.4萬m3。

貴安新區(qū)綠化澆灑（環(huán)境）需水量采用人均面積定額法，人均綠地面積為11.5 m2，定額均為2.0 L/（人·d），以365 d計，2020，2030年的河道外需水量分別為1 086.3萬m3和1 944.3萬m3，詳見表10。

2.5 合理性分析

2.5.1 用水總量符合性分析

根據《貴州省人民政府辦公廳關于貴州貴安新區(qū)用水總量控制目標的函》（黔府辦函【2015】115號），貴州省人民政府承諾待新區(qū)水資源論證審查后，在不突破國家下達給貴州省用水總量控制目標基礎上，從全省范圍內統(tǒng)一調劑用水總量指標。貴安新區(qū)初步確定的用水總量指標2020年和2030年分別為3.18億m3和4.27億m3，本預測成果在用水總量紅線要求以內，基本符合用水總量控制要求。

2.5.2 用水結構合理性分析

現狀2012年農業(yè)用水占比最高，2020年和2030年非農產業(yè)用水占比最高。貴安區(qū)作為一個經濟開發(fā)的新區(qū)，早期發(fā)展以農業(yè)為主，中期人口大幅度入住，導致生活用水占比增加，在經過一段發(fā)展后，農業(yè)逐漸轉變?yōu)榉寝r經濟，故非農產業(yè)用水逐漸增高，符合產業(yè)結構調整的要求，用水結構合理。貴安新區(qū)需水量結構見表12。

綜上所述，本次需水預測成果基本合理。

3 結論與展望

本文介紹了城市需水預測的綜合分析方法及其基本結構和技術方法。基本結構包括資料審查、初步預測、綜合預測、需水預測等。技術方法分為初步預測方法和綜合預測方法。在初步預測中，人口預測采用了3種人口預測模型，經濟擬合采用了6種預測模型。在綜合預測中，采用了4種權重分析方法及其綜合評定法。在預測過程中，采用了人口數量、農業(yè)經濟指標、非農業(yè)經濟指標、居民人口用水定額、農業(yè)定額、非農業(yè)定額等指標，同時對各種預測方法的合理性進行檢驗、對比和分析，為城市需水預測提供了方法和思路。

基于綜合分析法的需水預測是以數理統(tǒng)計學為基礎，結合城市規(guī)劃開展工作的。在實際應用中，需理論與實際相結合，結合區(qū)域發(fā)展和定位，對成果綜合分析，才能得到較為合理的最終成果。該綜合分析方法在初步預測時分為人口和經濟預測，選取了9種模型，在未來工作中應根據實際需求選取更多的模型。

本文是作者2016年在貴安新區(qū)建設初期，結合城市發(fā)展規(guī)劃的研究成果，基準年是2012年，規(guī)劃年分別為2020年和2030年，作為方法研究，該成果可以為預測提供科學依據。隨著時間的發(fā)展，貴安新區(qū)因政策導向和實際情況的影響，2020年預測值與實際值有較大差異。作為研究人員，這是未來需要面對的課題。基于此，城市需水的預測值與實際值的差異和成因將是下一步研究工作的要點。

參考文獻：

[1] 呂孫云.基于斷面控制的漢江流域水資源多目標調配研究[D].武漢：武漢大學，2013.

[2] 賀麗媛，夏軍，張利平.水資源需求預測的研究現狀及發(fā)展趨勢[J].長江科學院院報，2007，24（1）：61-64.

[3] EA Donkor， TA Mazzuchi， R Soyer， et al. Emmanuel A Donkor-urban water demand forecasting： review of methods and models [J]. Journal of Water Resources Planning & Management， 2014，140（2）：146-159.

[4] 劉秀麗，鄒慶榮.我國用水總量預測研究[J].系統(tǒng)科學與數學，2016，36（10）：1643-1651.

[5] 張海峰，楊萍，李春花，等. 基于多模型的西寧市人口規(guī)模預測[J].干旱區(qū)地理，2013，6（5）：955-962.

[6] 吳勁軍.基于BP神經網絡的人口預測模型研究[J].統(tǒng)計與信息論壇，2004，19（2）：44-46.

[7] 余偉.經濟模型的構建與預測方法的研究[D].廣州：華南理工大學， 2012.

[8] 李析男，王寧，梅亞東，等.NAR神經網絡的應用與檢驗——以城市居民生活需水定額為例[J]. 灌溉排水學報，2017，36（11）：122-128.

[9] 劉杰，達列雄.基于變差系數法的水污染物總量分配模型[J].陜西理工學院學報（自然科學版），2014，30（3）： 74-78.

[10] 楊力，劉程程，宋利，等.基于熵權法的煤礦應急救援能力評價[J].中國軟科學，2013（11）：185-192.

[11] 羅赟騫，夏靖波，陳天平，等.網絡性能評估中客觀權重確定方法比較[J].計算機應用，2009，29（10）：2624-2631.

[12] 張立軍，張瀟.基于改進CRITIC法的加權聚類方法[J].統(tǒng)計與決策，2015（22）： 65-68.

[13] 沈陽武，彭曉濤，施通勤，等.基于最優(yōu)組合權重的電能質量灰色綜合評價方法[J].電力系統(tǒng)自動化，2012，36（10）： 67-73.

（編輯：李 慧）

Study on urban water demand forecasting based on comprehensive analysis method： case of Gui'an New Area of Guizhou Province

LI Xinan1，2， ZHAO Xianjin1，2， YU Hongmin1，2

（ 1. Guizhou Water & Power Survey-Design Institute Co.，Ltd.， Guiyang 550002， China; 2. Guizhou Engineering Technology Research Center for Exploitation and Utilization of Water Resources in Karst Region， Guiyang 550002， China）

Abstract： Urban water demand forecasting is influenced by many factors， and a multi-method integrated forecast can response more to the interference of multiple factors than a single method for water demand forecasting. The urban water demand forecasting was carried out by using the integrated analysis method， which included four stages， data review， preliminary forecast， integrated forecast and water demand forecast. Firstly， the water demand quotas and socio-economic indicators，etc. were predicted and tested by various methods; secondly， the weighted comprehensive assessment method was used to assign weights to various methods and make comprehensive forecasts of corresponding indicators; thirdly， the traditional quotas analysis method was used to make statistics on urban water demand; finally， the forecast result rationality were analyzed. Taking Gui'an New Area in Guizhou Province as an example， the water demand was 204.819 million m3 in 2020 and 409.02 million m3 in 2030. The analysis of the conformity of the total water consumption and the rationality analysis of the water consumption structure showed that the prediction results were reasonable.

Key words： urban water demand; water demand forecasting; comprehensive analysis method;? Gui'an New Area; Guizhou Province

收稿日期：2020-06-11

基金項目：貴州省科技計劃項目（黔科合支撐[2019]2879，黔科合支撐[2021]一般467）

作者簡介：李析男，男，博士，高級工程師，研究方向為水資源規(guī)劃與管理。E-mail：lixinan1985@126.com

通訊作者：余紅敏，女，工程師，研究方向為經濟評價。E-mail：991807665@qq.com