吳 丹,吳鳳平,陳艷萍

(河海大學(xué)商學(xué)院,江蘇南京 210098)

基于二級(jí)修正的區(qū)域水資源需求量預(yù)測(cè)模型

吳 丹,吳鳳平,陳艷萍

(河海大學(xué)商學(xué)院,江蘇南京 210098)

根據(jù)區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展的用水現(xiàn)狀以及水資源需求的總體變化趨勢(shì),將Logistic生長(zhǎng)曲線模型和GM(1,1)等維新息模型相結(jié)合,建立組合預(yù)測(cè)模型,組合預(yù)測(cè)區(qū)域水資源需求量,并利用ARIMA模型對(duì)區(qū)域水資源需求量的組合預(yù)測(cè)結(jié)果進(jìn)行一級(jí)修正;在此基礎(chǔ)上,根據(jù)區(qū)域節(jié)水規(guī)劃的總體目標(biāo),剖析區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展綜合節(jié)水潛力,對(duì)區(qū)域水資源需求量的一級(jí)修正結(jié)果進(jìn)行二級(jí)修正,最終得到區(qū)域水資源需求量的綜合預(yù)測(cè)結(jié)果。算例分析結(jié)果表明,模型具有較高的預(yù)測(cè)精度。

水資源需求量;Logistic生長(zhǎng)曲線模型;GM(1,1)等維新息模型;ARIMA模型;二級(jí)修正

隨著區(qū)域社會(huì)經(jīng)濟(jì)的快速發(fā)展,水資源需求量不斷增長(zhǎng),水資源的稀缺性已嚴(yán)重制約區(qū)域社會(huì)、經(jīng)濟(jì)以及生態(tài)環(huán)境之間的協(xié)調(diào)持續(xù)發(fā)展。區(qū)域水資源需求量預(yù)測(cè)是初始水權(quán)配置以及水資源優(yōu)化配置的前提和基礎(chǔ),通過(guò)水資源需求量預(yù)測(cè)研究,提高區(qū)域水資源需求量預(yù)測(cè)精度,有利于協(xié)調(diào)區(qū)域水資源供需平衡。

目前,許多學(xué)者對(duì)區(qū)域水資源需求量預(yù)測(cè)模型進(jìn)行了系統(tǒng)研究,王好芳等[1]建立了GM(1,1)模型預(yù)測(cè)區(qū)域社會(huì)經(jīng)濟(jì)系統(tǒng)的水資源需求量;方浩等[2]將神經(jīng)網(wǎng)絡(luò)和模糊理論相結(jié)合,建立了模糊神經(jīng)網(wǎng)絡(luò)模型,從模糊神經(jīng)網(wǎng)絡(luò)角度并運(yùn)用灰色系統(tǒng)理論預(yù)測(cè)區(qū)域水資源需求量;白雪華等[3]利用改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法預(yù)測(cè)區(qū)域水資源需求量。郝轉(zhuǎn)等[4]利用GM(1,1)等維新息模型預(yù)測(cè)區(qū)域水資源需求量;羅利民等[5]將神經(jīng)網(wǎng)絡(luò)和小波分析理論相結(jié)合,建立了小波神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)區(qū)域水資源需求量;陳坤[6]在系統(tǒng)闡述各類水資源需求量預(yù)測(cè)方法優(yōu)缺點(diǎn)的基礎(chǔ)上,通過(guò)分析區(qū)域各行業(yè)需水量的影響因素,建立了回歸模型預(yù)測(cè)區(qū)域水資源需求量;左其亭等[7]提出了社會(huì)經(jīng)濟(jì)安全量化方法,將社會(huì)經(jīng)濟(jì)安全條件與需水量預(yù)測(cè)方法相結(jié)合,建立了社會(huì)經(jīng)濟(jì)安全條件下的區(qū)域水資源需求量預(yù)測(cè)模型。續(xù)繽等[8]將城區(qū)用水量的非平穩(wěn)時(shí)序分解為趨勢(shì)項(xiàng)和殘差項(xiàng)兩部分,采用Logistic成長(zhǎng)曲線函數(shù)擬合趨勢(shì)項(xiàng),采用ARIMA模型擬合殘差項(xiàng),建立了城市水資源需求量的Logistic-ARIMA耦合預(yù)測(cè)模型。

鑒于國(guó)內(nèi)外相關(guān)研究成果,針對(duì)區(qū)域水資源需求量的預(yù)測(cè),用水定額法、人均綜合用水量法、指標(biāo)分析法、回歸分析法、時(shí)間序列法、灰色預(yù)測(cè)法以及人工神經(jīng)網(wǎng)絡(luò)法等理論方法都得到了廣泛應(yīng)用。但是,用水定額法、人均綜合用水量法以及指標(biāo)分析法的用水定額難以精確計(jì)量;回歸分析法僅考慮了預(yù)測(cè)對(duì)象與影響因素之間的因果關(guān)系;時(shí)間序列法僅考慮了預(yù)測(cè)對(duì)象隨時(shí)間變化的發(fā)展趨勢(shì);灰色預(yù)測(cè)法未考慮系統(tǒng)內(nèi)各變量之間的相互關(guān)系和相互作用;人工神經(jīng)網(wǎng)絡(luò)法等其他方法往往分析過(guò)程比較復(fù)雜。鑒于此,基于各類水資源需求量預(yù)測(cè)方法存在的不足之處,為提高預(yù)測(cè)的準(zhǔn)確性和精度,可結(jié)合2種或多種預(yù)測(cè)方法,建立組合預(yù)測(cè)模型,對(duì)區(qū)域水資源需求量進(jìn)行組合預(yù)測(cè)。本文根據(jù)區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展的用水現(xiàn)狀以及水資源需求的總體變化趨勢(shì),將Logistic生長(zhǎng)曲線模型和GM(1,1)等維新息模型相結(jié)合,建立組合預(yù)測(cè)模型,組合預(yù)測(cè)區(qū)域水資源需求量。在此基礎(chǔ)上,利用ARIMA模型對(duì)區(qū)域水資源需求量進(jìn)行一級(jí)修正;并根據(jù)區(qū)域節(jié)水規(guī)劃的總體目標(biāo),剖析區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展綜合節(jié)水潛力,對(duì)區(qū)域水資源需求量一級(jí)修正結(jié)果進(jìn)行二級(jí)修正,以確定區(qū)域水資源需求量的綜合預(yù)測(cè)結(jié)果。

1 基于組合預(yù)測(cè)模型的區(qū)域水資源需求量預(yù)測(cè)

組合預(yù)測(cè)是用2個(gè)或2個(gè)以上不同預(yù)測(cè)模型對(duì)同一預(yù)測(cè)對(duì)象進(jìn)行預(yù)測(cè),然后將各個(gè)單獨(dú)的預(yù)測(cè)結(jié)果進(jìn)行加權(quán),作為組合預(yù)測(cè)結(jié)果。組合預(yù)測(cè)可適度減少預(yù)測(cè)風(fēng)險(xiǎn),提高預(yù)測(cè)精度,其關(guān)鍵是恰當(dāng)確定單個(gè)預(yù)測(cè)模型的權(quán)重系數(shù)?；趪?guó)內(nèi)外相關(guān)研究成果,本文將Logistic生長(zhǎng)曲線模型和GM(1,1)等維新息模型相結(jié)合,建立組合模型,對(duì)區(qū)域水資源需求量進(jìn)行組合預(yù)測(cè)。

區(qū)域水資源需求量預(yù)測(cè)的組合預(yù)測(cè)模型可表述為

1.1 組合預(yù)測(cè)模型y1t預(yù)測(cè)值的確定

Logistic生長(zhǎng)曲線是比利時(shí)數(shù)學(xué)家維哈爾斯特(P.F.Verhulst)發(fā)現(xiàn)的一種特殊曲線。皮爾(R.Pearl)和里德(L.J.Reed)曾經(jīng)應(yīng)用這一曲線研究人口增長(zhǎng)規(guī)律,所以Logistic生長(zhǎng)曲線又稱為Pearl-Reed曲線。由于區(qū)域水資源需求量的總體變化趨勢(shì)與Logistic生長(zhǎng)曲線模型的變化趨勢(shì)相吻合,因此,可采用Logistic生長(zhǎng)曲線模型預(yù)測(cè)區(qū)域水資源需求總量的發(fā)展趨勢(shì),提高區(qū)域水資源需求總量預(yù)測(cè)的準(zhǔn)確性。

Logistic生長(zhǎng)曲線模型確定區(qū)域水資源需求量y1t預(yù)測(cè)值的表達(dá)式為

式中:k、a、b為L(zhǎng)ogistic生長(zhǎng)曲線模型的參數(shù)。

1.2 組合預(yù)測(cè)模型y2t預(yù)測(cè)值的確定

灰色系統(tǒng)預(yù)測(cè)理論對(duì)于信息不完整或不完全的實(shí)際情況具有良好的適用性,其中GM(1,1)模型具有充分利用“少數(shù)據(jù)”進(jìn)行預(yù)測(cè)的優(yōu)點(diǎn),在區(qū)域水資源需求量預(yù)測(cè)中得到了較為廣泛的運(yùn)用。GM(1,1)等維新息模型在不斷補(bǔ)充新信息的同時(shí),及時(shí)去掉老化信息,更好地揭示了區(qū)域水資源需求量的發(fā)展趨勢(shì),由于GM(1,1)等維新息模型能夠獲得較高的區(qū)域水資源需求量預(yù)測(cè)精度。因此,采用GM(1,1)等維新息模型對(duì)區(qū)域水資源需求量進(jìn)行預(yù)測(cè)。

GM(1,1)等維新息模型確定區(qū)域水資源需求量y2t預(yù)測(cè)值的具體步驟為:

步驟1,記區(qū)域現(xiàn)狀用水量按照時(shí)間的先后順序排列而成的原始數(shù)列為x(0):

根據(jù)灰色系統(tǒng)理論對(duì)區(qū)域現(xiàn)狀用水量的原始數(shù)列進(jìn)行一階累加(1-AGO)生成后,得生成列x(1),即

1.3 組合預(yù)測(cè)模型權(quán)重w1與w2的確定

式(1)中權(quán)重w1與w2可采用誤差平方和或誤差絕對(duì)值和最小準(zhǔn)則確定。本文采用誤差平方和最小準(zhǔn)則,即

式中yt為第t年區(qū)域?qū)嶋H用水量,目標(biāo)函數(shù)Zt是一個(gè)二次函數(shù),并且是一個(gè)凸函數(shù),由Kuhn-Tucker條件可知,它的任意一個(gè)Kuhn-Tucker點(diǎn)就是整體最小點(diǎn)。建立廣義拉格朗日函數(shù):

該廣義拉格朗日函數(shù)的Kuhn-Tucker點(diǎn)應(yīng)滿足ΔZt(w,λ)=0,因此,廣義拉格朗日函數(shù)的解為

將權(quán)重w1、w2代入式(1),可確定第t年區(qū)域水資源需求量的組合預(yù)測(cè)值y＾t。

2 基于二級(jí)修正的區(qū)域水資源需求量預(yù)測(cè)

2.1 區(qū)域水資源需求量的一級(jí)修正結(jié)果

基于組合預(yù)測(cè)模型,組合預(yù)測(cè)得到區(qū)域水資源需求量。為進(jìn)一步減少預(yù)測(cè)誤差,提高預(yù)測(cè)精度,利用ARIMA模型[9]對(duì)組合預(yù)測(cè)值t進(jìn)行一級(jí)修正,修正與實(shí)際水資源需求量的差值Yt=yt-t,從而確定組合預(yù)測(cè)模型和ARIMA模型的疊加預(yù)測(cè)值。

ARIMA模型由美國(guó)學(xué)者George Box和英國(guó)統(tǒng)計(jì)學(xué)家Gwilym Jenkinsy于20世紀(jì)70年代首次提出。它是利用自回歸模型(auto regressive模型,簡(jiǎn)稱AR模型)與移動(dòng)平均模型(moving average模型,簡(jiǎn)稱MA模型)搭配形成的隨機(jī)型時(shí)序ARIMA模型;ARIMA模型中有多個(gè)參數(shù),無(wú)季節(jié)成分時(shí)可記為ARIMA(p,d,q)模型,其中,p為自回歸過(guò)程階數(shù),d為差分的階數(shù),q為移動(dòng)平均過(guò)程階數(shù)。ARIMA(p,d,q)模型經(jīng)d階差分之后成為ARMA(p,q)模型,采用極大似然法、矩估計(jì)法和最小二乘法等參數(shù)估計(jì)方法,對(duì)ARMA(p,q)模型進(jìn)行參數(shù)估計(jì),將估計(jì)參數(shù)和最佳模型階數(shù)代入隨機(jī)差分方程,可確定ARMA(p,q)模型。

設(shè)(Y1,Y2,…,Yt,…,Yn)(t=1,2,…,n)表示組合預(yù)測(cè)值與實(shí)際水資源需求量結(jié)果的差值Yt經(jīng)d階差分后組成的平穩(wěn)時(shí)間序列,(Y1,Y2,…,Yt,…,Yn)可擬合成具有p階自回歸部分、q階移動(dòng)平均部分的ARMA(p,q)模型隨機(jī)差分方程:

式中:φi(i=1,2,…,p)為自回歸系數(shù);θi(i=0,1,…,q)為移動(dòng)平均系數(shù);εt為零均值、方差為 δ2pq的白噪聲序列。ARMA(p,q)模型參數(shù)估計(jì)的具體計(jì)算步驟可參考文獻(xiàn)[8-9]。

2.2 區(qū)域水資源需求量的二級(jí)修正結(jié)果

基于區(qū)域水資源需求量的一級(jí)修正結(jié)果,根據(jù)區(qū)域節(jié)水規(guī)劃的總體目標(biāo),采用區(qū)域各用水行業(yè)節(jié)水潛力的計(jì)量方法[10],剖析區(qū)域生活、生態(tài)環(huán)境以及生產(chǎn)等“三生”用水行業(yè)發(fā)展的節(jié)水潛力以及區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展綜合節(jié)水潛力,通過(guò)專家咨詢,從定性和定量相結(jié)合的角度分析規(guī)劃年區(qū)域綜合節(jié)水潛力的取值范圍,對(duì)區(qū)域水資源需求量一級(jí)修正結(jié)果進(jìn)行二級(jí)修正,得到規(guī)劃年區(qū)域水資源需求量的取值范圍。

3 算例分析

以2000—2005年H市城區(qū)用水量數(shù)據(jù)(表1)為依據(jù),基于二級(jí)修正的水資源需求量預(yù)測(cè)模型,預(yù)測(cè)規(guī)劃年H市城區(qū)水資源需求量。

表1 2000～2005年H市城區(qū)用水量 萬(wàn)m3

根據(jù)表1中的數(shù)據(jù),利用Logistic生長(zhǎng)曲線模型與GM(1,1)等維新息模型,組合預(yù)測(cè)2010年、2015年、2020年H市城區(qū)水資源需求量,見(jiàn)表2。

表2 規(guī)劃年H市城區(qū)需水量 萬(wàn)m3

針對(duì)組合預(yù)測(cè)模型得到的H市城區(qū)需水量,采用ARIMA(1,0,1)模型對(duì)其差值進(jìn)行擬合分析,差值擬合后的變化趨勢(shì)見(jiàn)圖1。

圖1 ARIMA(1,0,1)模型需水量差值擬合

圖1表明,利用ARIMA(1,0,1)模型對(duì)H市城區(qū)需水量的差值進(jìn)行擬合時(shí),2000—2010年差值的變化表現(xiàn)出大幅度的波動(dòng)現(xiàn)象,而2010—2020年差值的變化趨于平穩(wěn)。這說(shuō)明H市城區(qū)的需水量預(yù)測(cè)值基本符合Logistic生長(zhǎng)曲線的變化趨勢(shì),H市城區(qū)需水量的變化仍然處于Logistic生長(zhǎng)曲線的上升階段,即在2010—2020年H市城區(qū)需水量將繼續(xù)保持持續(xù)增長(zhǎng)的趨勢(shì)。將組合預(yù)測(cè)模型和ARIMA預(yù)測(cè)模型進(jìn)行耦合,可進(jìn)一步提高H市城區(qū)需水量預(yù)測(cè)的精度,得到H市城區(qū)各規(guī)劃年需水量的一級(jí)修正結(jié)果;根據(jù)規(guī)劃年H市城區(qū)水資源需求量一級(jí)修正結(jié)果,結(jié)合H市城區(qū)節(jié)水規(guī)劃的總體目標(biāo),分析H市城區(qū)規(guī)劃年綜合節(jié)水潛力,得到H市城區(qū)各規(guī)劃年需水量的二級(jí)修正結(jié)果,見(jiàn)表3。

表3 規(guī)劃年H市城區(qū)需水量的修正結(jié)果 萬(wàn)m3

表3結(jié)果表明,H市城區(qū)水資源需求量預(yù)測(cè)值與其水資源需求量的發(fā)展趨勢(shì)相吻合。通過(guò)與文獻(xiàn)[8]建立的Logistic-ARIMA耦合模型的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比可知,基于二級(jí)修正的區(qū)域水資源需求量預(yù)測(cè)模型的預(yù)測(cè)結(jié)果相對(duì)偏低,根本原因在于,模型是在采用Logistic生長(zhǎng)曲線模型和GM(1,1)等維新息模型對(duì)H市城區(qū)水資源需求量進(jìn)行組合預(yù)測(cè)的基礎(chǔ)上,采用ARIMA模型,并結(jié)合H市城區(qū)節(jié)水規(guī)劃總體目標(biāo),分析綜合節(jié)水潛力,對(duì)H市城區(qū)水資源需求量預(yù)測(cè)值進(jìn)行二級(jí)修正,因此,其需水量預(yù)測(cè)結(jié)果更加符合發(fā)展趨勢(shì)。

4 結(jié) 語(yǔ)

結(jié)合Logistic生長(zhǎng)曲線模型和GM(1,1)等維新息模型,建立了區(qū)域水資源需求量組合預(yù)測(cè)模型,在此基礎(chǔ)上,采用ARIMA模型,根據(jù)區(qū)域節(jié)水規(guī)劃的總體目標(biāo),對(duì)區(qū)域水資源需求量組合預(yù)測(cè)值進(jìn)行修正,確定基于二級(jí)修正的區(qū)域水資源需求量綜合預(yù)測(cè)值。結(jié)合H市城區(qū)社會(huì)經(jīng)濟(jì)用水量數(shù)據(jù)進(jìn)行算例分析,研究結(jié)果表明,預(yù)測(cè)模型具有較高的預(yù)測(cè)精度。

[1]王好芳,董增川.區(qū)域經(jīng)濟(jì)-人口系統(tǒng)需水量的灰色預(yù)測(cè)方法研究[J].西北水資源與水工程,2001,12(2):53-54.

[2]方浩,李蓓,石娜,等.基于模糊神經(jīng)網(wǎng)絡(luò)的區(qū)域需水預(yù)測(cè)計(jì)算模型[J].西北水資源與水工程,2003,14(4):1-3.

[3]白雪華,郭旭穎.改進(jìn)的RBF網(wǎng)絡(luò)在區(qū)域需水預(yù)測(cè)中的應(yīng)用[J].青島建筑工程學(xué)院學(xué)報(bào),2005,26(3):87-89.

[4]郝轉(zhuǎn),張文鴿.GM(1,1)等維新息模型在區(qū)域需水量預(yù)測(cè)中的應(yīng)用[J].東北水利水電,2006,24(4):6-8.

[5]羅利民,方浩,仲躍,等.小波神經(jīng)網(wǎng)絡(luò)算法在區(qū)域需水預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2006(3):200-201.

[6]陳坤.上海水資源可持續(xù)利用的經(jīng)濟(jì)學(xué)研究[M].上海:上海人民出版社,2007:49-55.

[7]左其亭,李琳.社會(huì)經(jīng)濟(jì)安全條件下區(qū)域需水量預(yù)測(cè)方法[J].水資源保護(hù),2008,24(1):6-11.

[8]續(xù)繽,郭立山.城市水資源需求量預(yù)測(cè)Logistic-ARIMA耦合模型[J].水利經(jīng)濟(jì),2008,26(5):14-16.

[9]寧宣熙,劉思峰.管理預(yù)測(cè)與決策方法[M].北京:科學(xué)出版社,1997:98-100.

[10]宋長(zhǎng)虹,高淑紅,胡志亮.節(jié)水潛力的計(jì)算方法與應(yīng)用[J].黑龍江水利科技,2008,36(1):18.

Regional water demand forecast based on second-order modifying model

WU Dan,WU Feng-ping,CHEN Yan-ping
(Business School,Hohai University,Nanjing 210098,China)

The Logistic model and GM(1,1)constant dimension new information model were combined to establish a comprehensive forecasting model to forecast regional water demand based on current water use and the total development trend of water demand in the course of regional socio-economic sustainable development.The forecast of regional water demand was modified using the ARIMA model for first-order modification.According to the overall objective of regional water resources planning and analysis of the comprehensive regional socio-economic water-saving potential,the first-order modification results of regional water demand were refined by second-order modification,and the final results of regional water demand were obtained.The results showed that the model had high predictive accuracy and actual effect.

water demand;Logistic model;GM(1,1)constant dimension new information model;ARIMA model;second-order modification

TV213

A

1004-6933(2010)03-0001-04

國(guó)家“十一五”科技支撐計(jì)劃重點(diǎn)項(xiàng)目(2007BAB28B03);江蘇省國(guó)家重點(diǎn)學(xué)科培育建設(shè)點(diǎn)技術(shù)經(jīng)濟(jì)及管理項(xiàng)目。

吳丹(1986—),男,江西撫州人,博士研究生,主要從事資源配置與規(guī)劃管理研究。E-mail:wu_daniel@hhu.edu.cn

(收稿日期:2008-12-04 編輯:熊水斌)