李析男 趙先進(jìn) 余紅敏

摘要：城市需水預(yù)測(cè)受眾多因素的影響，相比利用單一方法進(jìn)行需水預(yù)測(cè)，多方法綜合預(yù)測(cè)更能響應(yīng)多因素的干擾。采用綜合分析法預(yù)測(cè)城市需水，包括資料審查、初步預(yù)測(cè)、綜合預(yù)測(cè)、需水預(yù)測(cè)4個(gè)階段。首先，以多種方法對(duì)需水定額、社會(huì)經(jīng)濟(jì)指標(biāo)等進(jìn)行預(yù)測(cè)和檢驗(yàn);其次，采用權(quán)重綜合評(píng)定方法對(duì)各種方法進(jìn)行賦權(quán)，并進(jìn)行相應(yīng)指標(biāo)的綜合預(yù)測(cè);然后，采用傳統(tǒng)的定額分析法，對(duì)城市需水進(jìn)行統(tǒng)計(jì);最后，對(duì)預(yù)測(cè)成果進(jìn)行合理性分析。以貴州省貴安新區(qū)為例，預(yù)測(cè)2020年需水量為20 481.9萬m3，2030年為40 902.1萬m3，經(jīng)用水總量符合性分析和用水結(jié)構(gòu)合理性分析，預(yù)測(cè)結(jié)果合理。

關(guān)鍵詞：城市需水; 需水預(yù)測(cè); 綜合分析法; 貴安新區(qū); 貴州省

中圖法分類號(hào)：TV213.4文獻(xiàn)標(biāo)志碼：ADOI：10.15974/j.cnki.slsdkb.2022.05.004

文章編號(hào)：1006 - 0081（2022）05 - 0028 - 06

0 引 言

水資源需求預(yù)測(cè)是對(duì)一個(gè)區(qū)域在未來一定時(shí)期內(nèi)的需水總量（或一個(gè)部門、行業(yè)需水量）及其時(shí)空分配進(jìn)行推測(cè)、估計(jì)[1]。合理的城市需水預(yù)測(cè)對(duì)于水資源管理的合理決策起著重要作用。自20世紀(jì)60年代開始，美國、日本、英國等國已經(jīng)開始了全國需水預(yù)測(cè)，為指導(dǎo)水資源的開發(fā)利用提供指導(dǎo)意見。中國的需水預(yù)測(cè)起源于20世紀(jì)50年代，但是主要集中在灌區(qū)尺度，其后逐步擴(kuò)展到區(qū)域以及全國范圍[2]。根據(jù)需水預(yù)測(cè)的研究目標(biāo)、預(yù)測(cè)變量、預(yù)測(cè)周期、變量選擇以及預(yù)測(cè)尺度，需水預(yù)測(cè)的常用方法大致可以分為定性和用水定額法、單變量時(shí)間序列分析法、滑動(dòng)平均和指數(shù)光滑模型、隨機(jī)過程模型、時(shí)間序列回歸模型、場(chǎng)景分析法和決策支持系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、組合預(yù)測(cè)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(jìn)行推測(cè)。然而，一些城市由于產(chǎn)業(yè)結(jié)構(gòu)的調(diào)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(yù)測(cè)方法可能會(huì)有較大偏差，故考慮采用多種預(yù)測(cè)模型（綜合預(yù)測(cè)模型）進(jìn)行需水預(yù)測(cè)，不僅對(duì)用水量變動(dòng)影響因素的解釋能力更強(qiáng)，而且預(yù)測(cè)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(chǔ)上，通過多種方法對(duì)人口和經(jīng)濟(jì)進(jìn)行預(yù)測(cè)，并采用權(quán)重綜合的方式，達(dá)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(yù)測(cè)結(jié)果。采用該綜合分析法對(duì)需水進(jìn)行預(yù)測(cè)可降低單一預(yù)測(cè)方法的不確定性，同時(shí)也彌補(bǔ)多方法之間的影響和差異，為城市需水預(yù)測(cè)提供了新的思路和方法。

1 綜合分析法結(jié)構(gòu)

水資源需求量很大程度反映了一個(gè)城市社會(huì)經(jīng)濟(jì)發(fā)展的水平。因此，城市社會(huì)經(jīng)濟(jì)的相關(guān)指標(biāo)是預(yù)測(cè)需水量的重要因素。一般來說，社會(huì)經(jīng)濟(jì)指標(biāo)包括人口數(shù)量、相關(guān)產(chǎn)業(yè)社會(huì)經(jīng)濟(jì)產(chǎn)值等，在預(yù)測(cè)中則采用往年社會(huì)經(jīng)濟(jì)指標(biāo)序列來預(yù)測(cè)未來某年的社會(huì)經(jīng)濟(jì)指標(biāo)，進(jìn)而推算出相關(guān)用戶的需水量。針對(duì)時(shí)間序列的特點(diǎn)，本文將綜合分析預(yù)測(cè)方法分為4個(gè)階段，即資料審查、初步預(yù)測(cè)、綜合預(yù)測(cè)、需水預(yù)測(cè)，系統(tǒng)結(jié)構(gòu)如圖1所示。

1.1 資料審查

資料審查是對(duì)資料合理性的檢查，需對(duì)原始資料進(jìn)行搜集、提取、處理、再加工。

1.2 初步預(yù)測(cè)

1.2.1 預(yù)測(cè)方法

初步預(yù)測(cè)是對(duì)選取的社會(huì)經(jīng)濟(jì)指標(biāo)進(jìn)行擬合和預(yù)測(cè)，主要包括兩個(gè)部分：① 人口預(yù)測(cè)[5]和經(jīng)濟(jì)指標(biāo)擬合;② 結(jié)果檢驗(yàn)和初始預(yù)測(cè)。系統(tǒng)選取了人口、經(jīng)濟(jì)產(chǎn)值為預(yù)測(cè)指標(biāo)，一共選取了9種預(yù)測(cè)方法進(jìn)行擬合和預(yù)測(cè)。本文的人口預(yù)測(cè)采用Logistics模型、Malthus模型和BP神經(jīng)網(wǎng)絡(luò)模型。這3種方法是根據(jù)城市最大容量預(yù)測(cè)不同規(guī)劃年人口數(shù)量，而不是對(duì)原始序列進(jìn)行擬合，其結(jié)果檢驗(yàn)方式需要結(jié)合城市人口的總體規(guī)劃進(jìn)行比對(duì)。Logistics模型、Malthus模型為經(jīng)典人口預(yù)測(cè)模型，應(yīng)用較廣;BP神經(jīng)網(wǎng)絡(luò)模型的動(dòng)態(tài)學(xué)習(xí)能力對(duì)人口波動(dòng)性數(shù)據(jù)具有較強(qiáng)的識(shí)別和擬合能力，能夠克服以往人口預(yù)測(cè)模型剔除奇異值或劃分階段處理的缺陷[6]。經(jīng)濟(jì)預(yù)測(cè)在計(jì)算機(jī)軟硬件不斷更新以及現(xiàn)代數(shù)學(xué)方法不斷完善的基礎(chǔ)上，形成了很多種類的預(yù)測(cè)方法[7]。根據(jù)實(shí)際問題的需求，本文經(jīng)濟(jì)指標(biāo)的擬合采用灰色模型、多項(xiàng)式模型（1～3次）、指數(shù)模型、對(duì)數(shù)模型、ARMA模型和NAR神經(jīng)網(wǎng)絡(luò)模型[8]，這6種方法分別采用各自的檢驗(yàn)方法進(jìn)行比選，通過檢驗(yàn)則進(jìn)入初始預(yù)測(cè)，否則返回資料審查階段重新開始;通過檢驗(yàn)但初始預(yù)測(cè)結(jié)果不合理，則直接剔除該預(yù)測(cè)方法，若所有方法均不合格，則選取其他預(yù)測(cè)模型進(jìn)行預(yù)測(cè)分析。

1.2.2 初步預(yù)測(cè)結(jié)果檢驗(yàn)

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

1.3 綜合預(yù)測(cè)

綜合預(yù)測(cè)是對(duì)初步預(yù)測(cè)結(jié)果進(jìn)行綜合，其基本思想是對(duì)已通過檢驗(yàn)的預(yù)測(cè)方法賦權(quán)，以權(quán)重為依據(jù)，綜合各個(gè)方法預(yù)測(cè)值的權(quán)重，得到最終預(yù)測(cè)指標(biāo)的目標(biāo)值，即多種預(yù)測(cè)方法權(quán)重值與指標(biāo)值的乘積之和。

1.3.1 權(quán)重分析

賦權(quán)方法主要采用變差系數(shù)法、熵權(quán)法、標(biāo)準(zhǔn)/平均差法、CRITIC法（Criteria Importance Through Intercriteria Correlation，CRITIC）等。

（1） 變差系數(shù)法也叫變異系數(shù)法[9]（Coefficient of variation method），是直接利用各項(xiàng)指標(biāo)所包含的信息，通過計(jì)算得到指標(biāo)的權(quán)重，是一種客觀賦權(quán)的方法。該方法的基本做法是：在評(píng)價(jià)指標(biāo)體系中，指標(biāo)取值差異越大的指標(biāo)，也就是越難以實(shí)現(xiàn)的指標(biāo)，這樣的指標(biāo)更能反映被評(píng)價(jià)單位的差距。

（2） 熵權(quán)法的基本思路是根據(jù)指標(biāo)變異性的大小來確定客觀權(quán)重[10]。

（3） 標(biāo)準(zhǔn)/平均差法思路與熵權(quán)法相似。通常某個(gè)指標(biāo)的標(biāo)準(zhǔn)差越大，表明指標(biāo)值的變異程度越大，提供的信息量越多，在綜合評(píng)價(jià)中所起到的作用越大，其權(quán)重也越大。相反，某個(gè)指標(biāo)的標(biāo)準(zhǔn)差越小，表明指標(biāo)值的差異程度越小，提供的信息量越少，在綜合評(píng)價(jià)中所起到的作用越小，其權(quán)重也應(yīng)越小[11]。

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

為了在評(píng)價(jià)中既反映決策的主觀性，又體現(xiàn)決策的客觀性，需要對(duì)上述各指標(biāo)的主客觀賦權(quán)進(jìn)行集成。本研究采用沈陽武等[13]提出的基于最優(yōu)組合權(quán)重的電能質(zhì)量灰色綜合評(píng)價(jià)方法作為權(quán)重綜合評(píng)定方法。該方法是一種兼顧主客觀因素的集成賦權(quán)方法，可以提高綜合評(píng)價(jià)的科學(xué)性。

1.3.2 指標(biāo)預(yù)測(cè)

指標(biāo)預(yù)測(cè)是對(duì)初始預(yù)測(cè)中通過檢驗(yàn)的模型預(yù)測(cè)結(jié)果進(jìn)行綜合，通過變差系數(shù)法、熵權(quán)法、標(biāo)準(zhǔn)/平均差法和CRITIC法計(jì)算各個(gè)已通過檢驗(yàn)的模型預(yù)測(cè)結(jié)果權(quán)重，再對(duì)上述各指標(biāo)的權(quán)重進(jìn)行集成，得到各權(quán)重評(píng)價(jià)方法的綜合權(quán)重。綜合權(quán)重值代表該模型在預(yù)測(cè)中所占的比重，并乘以相應(yīng)的預(yù)測(cè)值，求和之后即為綜合預(yù)測(cè)結(jié)果。

在中國水資源規(guī)劃中，廣泛采用分產(chǎn)業(yè)的預(yù)測(cè)方法，分為生活用水、生產(chǎn)用水和生態(tài)用水等，分別研究不同產(chǎn)業(yè)用水變化規(guī)律，對(duì)未來用水目標(biāo)進(jìn)行預(yù)測(cè)。

2 實(shí)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(gè)國家級(jí)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(gè)鄉(xiāng)鎮(zhèn)及5個(gè)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(zhǔn)年為2012年、近期為2013～2020年、遠(yuǎn)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(shù)據(jù)來源包括：貴州省統(tǒng)計(jì)年鑒（2000～2012年）、貴州省水資源公報(bào)（2000～2012年）、貴陽市統(tǒng)計(jì)年鑒（2002～2012年）、貴陽市水資源公報(bào)（2002～2012年）、安順市統(tǒng)計(jì)年鑒（2004～2012年）、安順市統(tǒng)計(jì)年鑒（2004～2012年）。農(nóng)業(yè)經(jīng)濟(jì)和非農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)值通過面積比例統(tǒng)計(jì)而得，各類用水定額以貴陽市為標(biāo)準(zhǔn)進(jìn)行統(tǒng)計(jì)，成果詳見表1，2。

2.2 初步預(yù)測(cè)

2.2.1 人口預(yù)測(cè)

3種模型的初始人口預(yù)測(cè)過程不贅述，結(jié)果詳見表3。Malthus模型和BP神經(jīng)網(wǎng)絡(luò)模型能較好地驗(yàn)證Logistic模型的預(yù)測(cè)結(jié)果，還需對(duì)上述3種模型結(jié)果進(jìn)行綜合預(yù)測(cè)。

2.2.2農(nóng)業(yè)經(jīng)濟(jì)預(yù)測(cè)

擬采用8種模型對(duì)農(nóng)業(yè)經(jīng)濟(jì)進(jìn)行預(yù)測(cè)（表4，5），并進(jìn)行假設(shè)檢驗(yàn)。根據(jù)檢驗(yàn)結(jié)果，選擇通過檢驗(yàn)的模型進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果見表6。

根據(jù)貴安新區(qū)城市總體規(guī)劃，在規(guī)劃年將實(shí)現(xiàn)從傳統(tǒng)農(nóng)業(yè)向都市農(nóng)業(yè)的轉(zhuǎn)型，種植結(jié)構(gòu)的優(yōu)化及發(fā)展模式的變化將促進(jìn)其逐年增長(zhǎng)，而NAR模型預(yù)測(cè)結(jié)果呈現(xiàn)出農(nóng)業(yè)經(jīng)濟(jì)總值隨著時(shí)間變化而減小的趨勢(shì)，與實(shí)際情況不符，故認(rèn)為該法預(yù)測(cè)有誤，在綜合預(yù)測(cè)時(shí)不考慮該法。

.2.3 非農(nóng)業(yè)經(jīng)濟(jì)預(yù)測(cè)

與農(nóng)業(yè)經(jīng)濟(jì)預(yù)測(cè)過程相類似，方法及成果不再贅述，7種模型皆通過檢驗(yàn)，結(jié)果詳見表7。

2.2.4 定額預(yù)測(cè)

定額預(yù)測(cè)與上述流程一致，方法及成果不再贅述，（非）農(nóng)業(yè)用水定額的模型預(yù)測(cè)結(jié)果見表8。對(duì)居民生活用水定額進(jìn)行預(yù)測(cè)時(shí)，ARMA模型和NAR模型通過了檢驗(yàn)，故選取這2個(gè)模型進(jìn)行預(yù)測(cè)，結(jié)果見表8。

對(duì)于各用戶定額預(yù)測(cè)，有如下結(jié)論：① 方法檢驗(yàn)不通過，則不采用該模型進(jìn)行預(yù)測(cè);② 檢驗(yàn)通過的模型，預(yù)測(cè)結(jié)果發(fā)現(xiàn)如出現(xiàn)負(fù)值等明顯錯(cuò)誤的，不選取其結(jié)果作為綜合預(yù)測(cè)的依據(jù)。

2.3 綜合預(yù)測(cè)

對(duì)研究區(qū)域的人口數(shù)量、農(nóng)業(yè)經(jīng)濟(jì)值、非農(nóng)業(yè)經(jīng)濟(jì)值及其定額等指標(biāo)進(jìn)行綜合預(yù)測(cè)，為了降低權(quán)重計(jì)算誤差，在權(quán)重綜合計(jì)算中更能體現(xiàn)各指標(biāo)值增長(zhǎng)階段性變化規(guī)律，故將各模型初始預(yù)測(cè)結(jié)果分為兩個(gè)階段進(jìn)行權(quán)重分析和指標(biāo)預(yù)測(cè)。其中，以2013～2020年預(yù)測(cè)值為第一段，2021～2030年預(yù)測(cè)值為第二段。各指標(biāo)在不同預(yù)測(cè)模型下的權(quán)重值，見表9，再結(jié)合表6～8的各指標(biāo)值，得到最終的指標(biāo)預(yù)測(cè)值。

（1） 人口預(yù)測(cè)。2013～2020年Logistic模型預(yù)測(cè)結(jié)果、BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果、Malthus模型預(yù)測(cè)結(jié)果的綜合權(quán)重分別為0.355 1，0.306 2，0.338 7，則2020年人口預(yù)測(cè)值為129.4萬人。2021～2030年Logistic模型預(yù)測(cè)結(jié)果、BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果、Malthus模型預(yù)測(cè)結(jié)果的綜合權(quán)重分別為0.308 0，0.315 2，0.376 8，則2030年人口預(yù)測(cè)值為231.6萬人。

（2） 農(nóng)業(yè)經(jīng)濟(jì)預(yù)測(cè)。2020年為389 870.1萬元，2030年為1 162 513.2萬元。非農(nóng)產(chǎn)業(yè)經(jīng)濟(jì)預(yù)測(cè)，2020年為5 661 613.2萬元，2030年為34 169 332.6萬元。農(nóng)業(yè)用水定額預(yù)測(cè)，2020年為107.7 m3/萬元，2030年為25.9 m3/萬元。非農(nóng)產(chǎn)業(yè)用水定額預(yù)測(cè)，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(yù)測(cè)，2020年為118.5 L/（人·d），2030年為117.3 L/（人·d）。

（3） 對(duì)于居民生活用水定額，考慮到預(yù)測(cè)模型所參考原始序列均為居民生活用水凈定額，根據(jù)CJJ 92-2002《城市供水管網(wǎng)漏損控制及評(píng)定標(biāo)準(zhǔn)》，取管網(wǎng)漏損率為10%進(jìn)行居民生活用水毛定額的計(jì)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(yù)測(cè)

采用農(nóng)業(yè)經(jīng)濟(jì)定額法，經(jīng)預(yù)測(cè)：2020，2030年農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)值分別為39.0億元和116.3億元，2020，2030年經(jīng)濟(jì)定額分別為166.7 m3/萬元和83.3 m3/萬元，則2020，2030年農(nóng)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(nóng)產(chǎn)業(yè)經(jīng)濟(jì)定額法，貴安新區(qū)2020，2030年非農(nóng)產(chǎn)業(yè)經(jīng)濟(jì)定額分別為11.8 m3/萬元和5.3 m3/萬元，非農(nóng)產(chǎn)業(yè)經(jīng)濟(jì)2020，2030年分別為566.2億元和3 416.9億元，則非農(nóng)產(chǎn)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(jì)，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(jù)《貴州省人民政府辦公廳關(guān)于貴州貴安新區(qū)用水總量控制目標(biāo)的函》（黔府辦函【2015】115號(hào)），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(dá)給貴州省用水總量控制目標(biāo)基礎(chǔ)上，從全省范圍內(nèi)統(tǒng)一調(diào)劑用水總量指標(biāo)。貴安新區(qū)初步確定的用水總量指標(biāo)2020年和2030年分別為3.18億m3和4.27億m3，本預(yù)測(cè)成果在用水總量紅線要求以內(nèi)，基本符合用水總量控制要求。

2.5.2 用水結(jié)構(gòu)合理性分析

現(xiàn)狀2012年農(nóng)業(yè)用水占比最高，2020年和2030年非農(nóng)產(chǎn)業(yè)用水占比最高。貴安區(qū)作為一個(gè)經(jīng)濟(jì)開發(fā)的新區(qū)，早期發(fā)展以農(nóng)業(yè)為主，中期人口大幅度入住，導(dǎo)致生活用水占比增加，在經(jīng)過一段發(fā)展后，農(nóng)業(yè)逐漸轉(zhuǎn)變?yōu)榉寝r(nóng)經(jīng)濟(jì)，故非農(nóng)產(chǎn)業(yè)用水逐漸增高，符合產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的要求，用水結(jié)構(gòu)合理。貴安新區(qū)需水量結(jié)構(gòu)見表12。

綜上所述，本次需水預(yù)測(cè)成果基本合理。

3 結(jié)論與展望

本文介紹了城市需水預(yù)測(cè)的綜合分析方法及其基本結(jié)構(gòu)和技術(shù)方法?；窘Y(jié)構(gòu)包括資料審查、初步預(yù)測(cè)、綜合預(yù)測(cè)、需水預(yù)測(cè)等。技術(shù)方法分為初步預(yù)測(cè)方法和綜合預(yù)測(cè)方法。在初步預(yù)測(cè)中，人口預(yù)測(cè)采用了3種人口預(yù)測(cè)模型，經(jīng)濟(jì)擬合采用了6種預(yù)測(cè)模型。在綜合預(yù)測(cè)中，采用了4種權(quán)重分析方法及其綜合評(píng)定法。在預(yù)測(cè)過程中，采用了人口數(shù)量、農(nóng)業(yè)經(jīng)濟(jì)指標(biāo)、非農(nóng)業(yè)經(jīng)濟(jì)指標(biāo)、居民人口用水定額、農(nóng)業(yè)定額、非農(nóng)業(yè)定額等指標(biāo)，同時(shí)對(duì)各種預(yù)測(cè)方法的合理性進(jìn)行檢驗(yàn)、對(duì)比和分析，為城市需水預(yù)測(cè)提供了方法和思路。

基于綜合分析法的需水預(yù)測(cè)是以數(shù)理統(tǒng)計(jì)學(xué)為基礎(chǔ)，結(jié)合城市規(guī)劃開展工作的。在實(shí)際應(yīng)用中，需理論與實(shí)際相結(jié)合，結(jié)合區(qū)域發(fā)展和定位，對(duì)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(yù)測(cè)時(shí)分為人口和經(jīng)濟(jì)預(yù)測(cè)，選取了9種模型，在未來工作中應(yīng)根據(jù)實(shí)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(shè)初期，結(jié)合城市發(fā)展規(guī)劃的研究成果，基準(zhǔn)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(yù)測(cè)提供科學(xué)依據(jù)。隨著時(shí)間的發(fā)展，貴安新區(qū)因政策導(dǎo)向和實(shí)際情況的影響，2020年預(yù)測(cè)值與實(shí)際值有較大差異。作為研究人員，這是未來需要面對(duì)的課題?；诖?，城市需水的預(yù)測(cè)值與實(shí)際值的差異和成因?qū)⑹窍乱徊窖芯抗ぷ鞯囊c(diǎn)。

參考文獻(xiàn)：

[1] 呂孫云.基于斷面控制的漢江流域水資源多目標(biāo)調(diào)配研究[D].武漢：武漢大學(xué)，2013.

[2] 賀麗媛，夏軍，張利平.水資源需求預(yù)測(cè)的研究現(xiàn)狀及發(fā)展趨勢(shì)[J].長(zhǎng)江科學(xué)院院報(bào)，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(yù)測(cè)研究[J].系統(tǒng)科學(xué)與數(shù)學(xué)，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(yù)測(cè)[J].干旱區(qū)地理，2013，6（5）：955-962.

[6] 吳勁軍.基于BP神經(jīng)網(wǎng)絡(luò)的人口預(yù)測(cè)模型研究[J].統(tǒng)計(jì)與信息論壇，2004，19（2）：44-46.

[7] 余偉.經(jīng)濟(jì)模型的構(gòu)建與預(yù)測(cè)方法的研究[D].廣州：華南理工大學(xué)， 2012.

[8] 李析男，王寧，梅亞東，等.NAR神經(jīng)網(wǎng)絡(luò)的應(yīng)用與檢驗(yàn)——以城市居民生活需水定額為例[J]. 灌溉排水學(xué)報(bào)，2017，36（11）：122-128.

[9] 劉杰，達(dá)列雄.基于變差系數(shù)法的水污染物總量分配模型[J].陜西理工學(xué)院學(xué)報(bào)（自然科學(xué)版），2014，30（3）： 74-78.

[10] 楊力，劉程程，宋利，等.基于熵權(quán)法的煤礦應(yīng)急救援能力評(píng)價(jià)[J].中國軟科學(xué)，2013（11）：185-192.

[11] 羅赟騫，夏靖波，陳天平，等.網(wǎng)絡(luò)性能評(píng)估中客觀權(quán)重確定方法比較[J].計(jì)算機(jī)應(yīng)用，2009，29（10）：2624-2631.

[12] 張立軍，張瀟.基于改進(jìn)CRITIC法的加權(quán)聚類方法[J].統(tǒng)計(jì)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(quán)重的電能質(zhì)量灰色綜合評(píng)價(jià)方法[J].電力系統(tǒng)自動(dòng)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(xiàng)目：貴州省科技計(jì)劃項(xiàng)目（黔科合支撐[2019]2879，黔科合支撐[2021]一般467）

作者簡(jiǎn)介：李析男，男，博士，高級(jí)工程師，研究方向?yàn)樗Y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?yàn)榻?jīng)濟(jì)評(píng)價(jià)。E-mail：991807665@qq.com