摘要：通過對國內(nèi)外現(xiàn)有的水資源需求來展開具體的預(yù)測和分析發(fā)現(xiàn)：在研究方向上，近些年國外研究方向向城市、樓宇等小空間尺度轉(zhuǎn)移，國內(nèi)向生態(tài)等國人關(guān)注方向轉(zhuǎn)移;在研究方法上，都出現(xiàn)傳統(tǒng)方法和人工智能及大數(shù)據(jù)等技術(shù)相融合的特點。但也存在一些問題：所收集數(shù)據(jù)可靠性不足;對用水需求的多驅(qū)動因子考慮不足;對實際生產(chǎn)中供水能力考慮不足。同時對未來相關(guān)研究趨勢進行了預(yù)測：多學(xué)科融合更加深入;關(guān)于生態(tài)用水進一步加大需求量;將采用大數(shù)據(jù)及人工智能兩者結(jié)合手段。

關(guān)鍵詞：水資源;需求預(yù)測;生態(tài);城市化;人工智能

中圖分類號：S-1文獻標(biāo)識碼：ADOI：10.19754/j.nyyjs.20200115014

收稿日期：2019-11-11

作者簡介：楊少康（1993-），男，碩士。研究方向：節(jié)水灌溉的理論與技術(shù)。

水是人們賴以生存的根本，同時也是自然界非常珍貴的資源。伴隨著世界人口的不斷增長、經(jīng)濟的不斷飛躍發(fā)展，人們對于水的需求量也越來越大，造成了水資源的嚴(yán)重短缺和匱乏，這就導(dǎo)致水資源的供需矛盾越來越緊張。因此，對水資源的需求進行預(yù)測已成為各個國家和地區(qū)進行水資源規(guī)劃的主要任務(wù)之一。基于此種情況，筆者對歷史上有關(guān)國內(nèi)外的水資源文獻進行了梳理和總結(jié)歸納，針對有關(guān)水資源需求的預(yù)測進行了細致認(rèn)真的分析，得出了具體的結(jié)論。在研究的過程中發(fā)生了一些問題，筆者針對這些問題給出了具體的解決方案，并針對未來有關(guān)水資源的需求預(yù)測發(fā)表了自己的一些淺見。

1國內(nèi)外需水預(yù)測研究

1.1國外需水預(yù)測研究

世界上首次關(guān)于國家水資源的細分評估是在1968年的美國完成的，此次評估中進行了美國水資源當(dāng)前狀況的相關(guān)研究和預(yù)測，并且做出了有關(guān)需水量的預(yù)估分析結(jié)果。結(jié)論提出，預(yù)計在2000年、2020年的總需水量會是1965年所有需水量的2倍和4.07倍。在1975年，美國考慮到如此大量的需水量已經(jīng)不能實現(xiàn)水資源的可持續(xù)利用，所以在接下來的研究結(jié)論中，融入了有關(guān)水污染和節(jié)約用水的相關(guān)報告，報告中得出的結(jié)論與實際的美國用水需求量十分接近。日本從1960年初，就已經(jīng)將水資源的預(yù)測列入國土規(guī)劃項目，并且10a做1次預(yù)測分析。蘇格蘭自20世紀(jì)70年代起，在1973、1984、1994年分別做了水資源的3次規(guī)劃工作，并且在最后1次的計劃實施中，將需水量的預(yù)測和實際數(shù)值進行了分析和對比，結(jié)果與實際情況非常接近[1]。

2003年，Joseph等人建立了WaterGAP2用水模型，分別預(yù)測生活、農(nóng)業(yè)、工業(yè)需水量，將生活用水過程用Sigmoid曲線表示，工業(yè)用水過程用雙曲線表示[2]。2014年Ji Young Kim等人開發(fā)了一種需求預(yù)測模擬器，采用多層感知開發(fā)了1個需求預(yù)測模塊和1個供應(yīng)設(shè)施運行仿真模塊來實施多種水資源的需求預(yù)測[3]。

2017年，K.Rathnayaka等人針對城市住宅需水提出了1種涵蓋多重時空尺度的隨機模型，該模型可對城市住宅最終用水需求進行預(yù)測[4]。2018年P(guān)raveen Vijai等人集合了人工神經(jīng)網(wǎng)絡(luò)（ANN）、深度神經(jīng)網(wǎng)絡(luò)等技術(shù) （DNN）、極限學(xué)習(xí)機（ELM）、最小二乘支持向量機（LSSVM）、高斯過程回歸（GPR）、 隨機森林（RF）和多元回歸方法建立模型，并展現(xiàn)出了良好的性能[5]。Hui Wang等人將螢火蟲算法這一群體智能算法引入水資源預(yù)測實踐中，成功地解決了多種實際工程問題[6]。Salah L. Zubaidi等人針對市政水務(wù)基礎(chǔ)設(shè)施建設(shè)，通過評估氣候因素，結(jié)合預(yù)處理信號技術(shù)、混合粒子群優(yōu)化算法、奇異譜分析（SSA）技術(shù)和人工神經(jīng)網(wǎng)絡(luò)（PSO-ANN）等技術(shù)對6個氣象變量的耗水量進行分解和重構(gòu)，得到了一種可靠的水資源需求預(yù)測模型，同時該模型也揭示了氣候變量是人類對水資源的需求變化的重要驅(qū)動因子[7]。2019年Li Tianhong等人建立了城市水循環(huán)系統(tǒng)動力學(xué)模型，研究了整個水循環(huán)在社會-經(jīng)濟-生態(tài)系統(tǒng)中的相互作用，并對未來城市水需求進行了模擬預(yù)測[8]。Rafael Gonzalez Perea等人針對農(nóng)業(yè)短期用水需求預(yù)測問題，結(jié)合大數(shù)據(jù)和信息通信技術(shù)（ICT）、貝葉斯框架與遺傳算法（GA）通過耦合動態(tài)人工神經(jīng)網(wǎng)絡(luò)（ANN）結(jié)構(gòu)開發(fā)了新的模型，并預(yù)估了日灌溉的供水?dāng)?shù)量[9]。

近些年國外水資源需求預(yù)測方面的相關(guān)研究主要有以下特點：針對城市、市政、樓宇住宅等小尺度范圍的研究成為熱點[4， 6-8];人工智能和大數(shù)據(jù)等技術(shù)充分融合，建立了性能更好、精度更高的數(shù)學(xué)模型[5-7， 9]。

1.2國內(nèi)需水預(yù)測研究

伴隨著我國水資源開發(fā)，我國需水預(yù)測研究大致分為以下幾個階段[10， 11]。

1.2.11950年之前

此時期的中國在農(nóng)業(yè)生產(chǎn)方面非常落后，工業(yè)等其它行業(yè)的底子十分淺薄，沒有雄厚的基礎(chǔ)，農(nóng)業(yè)生產(chǎn)用水供應(yīng)不足，主要都采用天然降水的手段進行生產(chǎn)，城市的供水也非常緊缺，國內(nèi)在供水預(yù)測方面的工作也一直沒有開展和推行。

1.2.220世紀(jì)60年代中后期

此時期處于新中國剛剛成立不久，基礎(chǔ)建設(shè)實力不強，農(nóng)業(yè)在大力發(fā)展的同時，需水量也在不斷增加，當(dāng)時的農(nóng)業(yè)需水量較之前增加了2倍多，其它行業(yè)的用水需求量不是十分明顯。因此，這一階段的用水預(yù)測主要還是集中在農(nóng)業(yè)灌溉方面的研究。

1.2.320世紀(jì)60年代中期—20世紀(jì)70年代后期

此時期農(nóng)業(yè)得到了廣泛的發(fā)展，土地的灌溉導(dǎo)致用水需求量急劇加大，工業(yè)建設(shè)也較為突出，城市居民的用水需求量也顯著提升，用水需求量較之以前有了明顯的增多，所以國家開始注重用水預(yù)測工作的推行，雖然已經(jīng)開始重視了預(yù)測的重要性，但是由于技術(shù)等其他原因，很多工作沒有深入的開展。除了在農(nóng)業(yè)用水方面進行了預(yù)測以外，其它用水基本都采用的粗略預(yù)估。

1.2.420世紀(jì)80年代—2005年前后

此時期的中國已經(jīng)發(fā)生了翻天覆地的變化，農(nóng)業(yè)、工業(yè)、城市建設(shè)等都在不斷快速的發(fā)展，全國總用水量都在不斷的提升，水資源的供需矛盾也在不斷加劇，城市用水和工業(yè)發(fā)展用水形成了劍拔弩張的態(tài)勢，城市和工業(yè)發(fā)展都在搶占農(nóng)業(yè)的水資源，國家各個相關(guān)部門已經(jīng)開始關(guān)注水資源的預(yù)測問題，并在這一時期開始進行大量的預(yù)測工作，并將預(yù)測的實際結(jié)果應(yīng)用到實際工作中[12-15]。

1.2.52005年至今

隨著人工智能和大數(shù)據(jù)等技術(shù)的應(yīng)用，一些人工智能的模型被應(yīng)用到水資源需求預(yù)測上面[16-19]。張靈等人[16]結(jié)合需水預(yù)測中的高維非線性和非正態(tài)問題，采用投影尋蹤技術(shù)設(shè)立搭建了需水預(yù)測模型，運用免疫進化算法進行選取模型中的相關(guān)參數(shù)，這種方式方便于計算，預(yù)測的結(jié)果也較容易實現(xiàn)，同時表現(xiàn)出了較強適用性。符傳君等人[17]搭建了 GM灰色理論模型，展開了針對海口市的工業(yè)、農(nóng)業(yè)、第三產(chǎn)業(yè)發(fā)展及人口增長趨勢的預(yù)測分析，通過分析結(jié)構(gòu)，實現(xiàn)了灰色理論與神經(jīng)網(wǎng)絡(luò)的有機結(jié)合。王堅[19]采用了模糊反饋法進行直接改進熵值法，通過此種方法來確定組合模型的加權(quán)系數(shù)，通過引進反饋和演化機制手段，能夠讓使用者通過調(diào)整求解精度以控制算法的收斂速度。

同時，生態(tài)需水預(yù)測也越來越受到相關(guān)領(lǐng)域?qū)W者的重視[20-26]。任麗軍等人[21]應(yīng)用了聯(lián)合國法和線性分析法來針對山東省的城市用水、生活用水、工業(yè)用水和生態(tài)用水等進行了預(yù)測和研究，學(xué)者根據(jù)預(yù)測得到的相關(guān)結(jié)果，旨在給山東省的城市水資源可持續(xù)利用提供了一些解決策略和相應(yīng)的建議。王艷菊等人[22]研究了新鄭市當(dāng)?shù)氐囊恍┯盟匦?，選用了3種經(jīng)濟建設(shè)發(fā)展策略進行分析，針對當(dāng)前的用水需求量和城市用水現(xiàn)狀，確定了一套切實可行的用水方案。王文君等人[24]研究了黃河三角洲生態(tài)經(jīng)濟區(qū)的用水現(xiàn)狀，結(jié)合相關(guān)結(jié)論分析的前提之上，結(jié)合生活用水、工業(yè)用水和生態(tài)用水3個方面展開三角洲城市用水的預(yù)測工作。

近些年國內(nèi)水資源需求預(yù)測方面的相關(guān)研究主要有以下2個特點：人工智能技術(shù)被逐步引入到預(yù)測模型建立中[16-19];生態(tài)需水預(yù)測成為熱點[20-26]。但是同國外研究相比，在人工智能和大數(shù)據(jù)融合以及城市、樓宇等小尺度研究等方面還存在差距。

2現(xiàn)階段國內(nèi)外研究存在問題

水資源需求預(yù)測的各種方法都有優(yōu)缺點，但總的來說，研究的預(yù)測結(jié)果都會比實際的需水量值偏大，分析具體的原因，可以得出以下幾點因素。

2.1歷史數(shù)據(jù)存在偏差

預(yù)測所需要的基礎(chǔ)數(shù)值都來源于以往的歷史數(shù)據(jù)，因為過去的數(shù)據(jù)存在一定的偏差，與實際數(shù)值有較大出入，導(dǎo)致預(yù)測結(jié)果與實際有誤差。

2.2關(guān)于水資源需求量的增長有一定的時期和階段性

用水需求也因為水利工程條件、水價以及節(jié)水方面因素的限制，存在浮動，而且國外的一些地方用水零增長、負(fù)增長的實例已證實了這點。

2.3對水資源的供給能力約束力分析不足

考慮水資源的供需關(guān)系，應(yīng)該結(jié)合實際情況來綜合分析。國外許多地方就是在公開供水能力的前提下進行需水預(yù)測。假如開展無約束的用水預(yù)估分析，就會導(dǎo)致預(yù)測的結(jié)果過大。

3水資源需求預(yù)測研究的發(fā)展趨勢

在進行了具體的水資源用水預(yù)測研究之后，本文針對發(fā)現(xiàn)的問題給出了一定的分析意見和看法。

水資源的預(yù)測和分析涉及到的學(xué)科眾多，涵蓋的方面也較廣，雖然在部分領(lǐng)域獲得了一定的研究成果，但是作為一門完整的學(xué)科我國至今仍沒有建立成熟，水資源需求分析的理論體系與方法論研究仍待進一步發(fā)展。

水資源需求預(yù)測受國家用水政策、節(jié)水型社會發(fā)展水平等影響，隨著節(jié)水技術(shù)的快速提高，其用水彈性很大，故需要在研究節(jié)水潛力和用水彈性的前提下進一步進行水資源需求預(yù)測研究，并得出二者之間的聯(lián)系。

生態(tài)需水在水資源規(guī)劃中的比重逐漸加強，而關(guān)于生態(tài)需水預(yù)測方法尚未有完善的理論，同時對生態(tài)需水的量化仍需進一步研究。

如今人工智能和大數(shù)據(jù)技術(shù)得到了廣泛的應(yīng)用，人工智能和大數(shù)據(jù)技術(shù)如何更好地服務(wù)于新形勢下水資源需求預(yù)測，也需要更深入探討。

參考文獻

[1] Anderson. Demands and Resource for Publid Water Supplies in Soctland from 1991 to 2016[J]. Water International， 1997，11（3）：164-169.

[2]Joseph Alcomo Petra Doll. Development and Testing of the Water GAP2 golbal model of Water Use and Availability[J]. Hydrological Sciences， 2003，48（3）：317-337.

[3]Kim Ji Young， Jung Jin Hong， Yoon Young H.， et al. Development of Demand Prediction Simulator Based on Multiple Water Resources[J]. APCBEE Procedia， 2014（10）：224-228.

[4]Rathnayaka K.， Malano H.， Arora M.， et al. Prediction of urban residential end-use water demands by integrating known and unknown water demand drivers at multiple scales II： Model application and validation[J]. Resources， Conservation and Recycling， 2017（118）：1-12.

[5]Vijai Praveen， Bagavathi Sivakumar P. Performance comparison of techniques for water demand forecasting[J]. Procedia Computer Science， 2018（143）：258-266.

[6]Wang Hui， Wang Wenjun， Cui Zhihua， et al. A new dynamic firefly algorithm for demand estimation of water resources[J]. Information Sciences， 2018（438）：95-106.

[7]Zubaidi Salah L.， Dooley Jayne， Alkhaddar Rafid M.， et al. A Novel approach for predicting monthly water demand by combining singular spectrum analysis with neural networks[J]. Journal of Hydrology， 2018（561）：136-145.

[8]Li Tianhong， Yang Songnan， Tan Mingxin. Simulation and optimization of water supply and demand balance in Shenzhen： A system dynamics approach[J]. Journal of Cleaner Production， 2019（207）：882-893.

[9]González Perea Rafael， Camacho Poyato Emilio， Montesinos Pilar， et al. Optimisation of water demand forecasting by artificial intelligence with short data sets[J]. Biosystems Engineering， 2019（177）：59-66.

[10]傅金祥， 馬興冠. 水資源需求預(yù)測及存在的主要問題探討[J]. 中國給水排水， 2002（10）：27-29.

[11]賀麗媛， 夏軍， 張利平. 水資源需求預(yù)測的研究現(xiàn)狀及發(fā)展趨勢[J]. 長江科學(xué)院院報， 2007（01）：61-64.

[12]姚建文， 王建生， 徐子愷. 21世紀(jì)中葉中國需水展望[J]. 水科學(xué)進展， 1999，10（2）：190-194.

[13]賈紹鳳， 張士鋒， 紅楊， 等. 工業(yè)用水與經(jīng)濟發(fā)展的關(guān)系——用水庫茲涅茨曲線[J]. 自然資源學(xué)報， 2004，19（3）：279-284.

[14]敬明光， 葉文濤， 儲嘉康. 寧波市水資源需求預(yù)測[J]. 水利規(guī)劃設(shè)計， 2002（01）：30-35.

[15]鮑衛(wèi)鋒， 黃介生， 謝華. 西北干旱區(qū)水資源需求預(yù)測方法與態(tài)勢分析——以陜西省延安市為例[J]. 干旱區(qū)地理， 2006（01）：29-34.

[16]張靈， 陳曉宏， 劉丙軍， 等. 免疫進化算法和投影尋蹤耦合的水資源需求預(yù)測[J]. 自然資源學(xué)報， 2009，24（02）：328-334.

[17]符傳君. 基于灰色理論和神經(jīng)網(wǎng)絡(luò)的海口市水資源需求預(yù)測分析[J]. 水資源與水工程學(xué)報， 2010，21（5）：96-98.

[18]柴文佳. 基于灰色模型的華北六?。ㄊ校﹨^(qū)農(nóng)業(yè)水資源需求量預(yù)測研究[D]. 石家莊：河北經(jīng)貿(mào)大學(xué)， 2012.

[19]王堅. 基于改進組合神經(jīng)網(wǎng)絡(luò)的水資源預(yù)測研究[J]. 計算機科學(xué)， 2016，43（01）：516-517.

[20]胡惠方. 鄭州市需水量驅(qū)動因子及水資源需求預(yù)測分析[D]. 鄭州：鄭州大學(xué)， 2007.

[21]任麗軍， 袁存超， 崔兆杰. 山東省城市化對水資源需求預(yù)測研究[J]. 山東大學(xué)學(xué)報（理學(xué)版）， 2008（09）：27-30.

[22]王艷菊， 管新建， 沈凱， 等. 新鄭市水資源需求預(yù)測研究[J]. 水土保持通報， 2010，30（06）：208-213.

[23]陳興科， 盧天文. 貴州工業(yè)強省戰(zhàn)略水資源需求預(yù)測與對策建議[J]. 人民長江， 2012，43（02）：33-35.

[24]王文君， 任麗軍. 黃三角高效生態(tài)經(jīng)濟區(qū)城市水資源需求預(yù)測[J]. 人民黃河， 2012，34（01）：38-41.

[25]賀麗媛， 蘇柳， 賈冬梅， 等. 鄂爾多斯市水資源需求預(yù)測研究[J]. 人民黃河， 2014，36（09）：59-61.

[26]高齊圣， 路蘭. 中國水資源長期需求預(yù)測及地區(qū)差異性分析[J]. 干旱區(qū)資源與環(huán)境， 2016，30（01）：90-94.

（責(zé)任編輯李媛媛）