中国省域用水量空间关联结构及其驱动效应研究

水资源在空间分布上的不均衡制约着中国经济社会的可持续发展,量化研究中国省域用水量的空间关联结构和驱动效应,对节水型社会建设具有重要的意义。首先,基于省域用水量的统计数据,采用修正引力模型得到省域用水量之间的关联关系,构建了省域用水量空间关联网络。通过网络整体特征、个体中心性和块模型分析省域用水量的空间特征,发现省域用水量空间关联网络结构稳定,但网络密度、网络效率较低,各省域用水量的空间关联还有待加强。其次,通过LMDI方法将区域用水量空间差异的驱动效应分解为强度效应、结构效应、收入效应和人口效应,分析了4个板块区域间用水量差异的驱动效应,挖掘缩小区域用水量差异的有效措施。最后,提出了减小用水量和用水量整体调控的政策建议。     

基于PCCs-DEMATEL指标筛选的BP神经网络用水量预测

以面向决策支持的用水量趋势预测为研究目标,采用从定性到定量的综合集成方法,将各指标变化率作为处理单元,运用PCCs-DEMATEL(皮尔逊相关系数-决策试验评估)方法对统计指标筛选,以BP神经网络构建预测模型,与赋权指数平滑法预测模型进行比较分析。模型在广州市的运用实例表明,基于PCCs-DEMATEL指标筛选的BP神经网络用水量预测模型可以更好地预测以年为单位的地区用水量,为水资源决策分析提供可靠的数据支撑。