水资源需求的驱动力分析及其预测
水利水电技术第４１卷２０１０年第３期水资源需求的驱动力分析及其预测
刘德地１，陈晓宏２，楼章华１
（Ｉ．浙江大学水文与水资源工程研究所，浙江杭州３１００５８；
２．中山大学水资源与环境中心，广东广州５１０２７５）
摘要：根据水资源需求系统的特点和所涉及的范围，以水资源需求势能概念为基础，分析了水资源
需求驱动力的组成，并引进自组织数据挖掘的方法来构建驱动力合成模型，以广东省东江流域为例，
对模型进行了验证分析。研究结果表明：水资源需求的驱动力主要由自然条件力、社会经济力和水资
源管理政策力三力合成；基于自组织数据挖掘的水资源需求量预测模型可有效地模拟和预测出水资源
需求变化过程，这为研究水资源需求预测提供了一种新的方法。
关键词：水资源需求；驱动力；数据分组处理法；预测；东江流域
中图分类号：ＴＶ２１（２６５）文献标识码：Ａ文章编号：１０００—０８６０（２０１０）０３－０００１—０５
Ａｎａｌｙｓｉｓｏｎｄｒｉｖｉｎｇｆｏｒｃｅｓｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｓｄｅｍａｎｄａｎｄｉｔｓｆｏｒｅｃａｓｔ
ＬＩＵＤｅｄｉｌ，ＣＨＥＮＸｉａｏｈｏｎ９２，ＬＯＵＺｈａｎｇｈｕａｌ
（１．ＩｎｓｔｉｔｕｔｅｏｆＨｙｄｒｏｌｏｇｙａｎｄＷａｔｅｒＲｅｓｏｕｒｃｅｓ，ＺｈｅｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００５８，Ｚｈｅｊｉａｎｇ，Ｃｈｉｎａ；
２．ＣｅｎｔｅｒｆｏｒＷａｔｅｒＲｅｓｏｕｒｃｅａｎｄＥｎｖｉｒｏｎｍｅｎｔ，ＳｕｎＹａｔｓｅｎＵｎｉｖｅ玛ｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０２７５，Ｇｕａｎｇｄｏｎｇ，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｗａｔｅｒｒｅｓｏｕｒｃｅｓｄｅｍａｎｄｓｙｓｔｅｍａｎｄｉｔｓａｒｅａｉｎｖｏｌｖｅｄ，ｔｈｅｃｏｍｐｏｓｉｔｉｏｎｏｆｔｈｅ
ｄｒｉｖｉｎｇｆｏｒｃｅｓｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｓｄｅｍａｎｄａｒｅａｎａｌｙｚｅｄｈｅｒｅｉｎｂａｓｅｄｏｎｔｈｅｃｏｎｃｅｐｔｏｆｔｈｅｐｏｔｅｎｔｉａｌｅｎｅｒｇｙｏｆｔｈｅｗａｔｅｒｒｅｓｏｕｒｃｅｓ
ｄｅｍａｎｄ，ａｎｄｔｈｅｎｔｈｅｍｅｔｈｏｄｏｆｔｈｅｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇｄａｔａｍｉｎｉｎｇｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｏｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆａｄｒｉｖｉｎｇｆｏｒｃｅｓｃｏｍｐｏｕｎ－
ｄｉｎｇｍｏｄｅｌ．Ｆｕｒｔｈｅｒｍｏｒｅ，ｔｈｅａｎａｌｙｓｉｓｆｏｒｔｈｅｖｅｒｉｆｉｃａｔｉｏｎｏｆｔｈｅｍｏｄｅｌｉｓｍａｄｅｂｙｔａｋｉｎｇＤｏｎｇｊｉａｎｇＲｉｖｅｒＢａｓｉｎｉｎＧｕａｎｇｄｏｎｇ
Ｐｒｏｖｉｎｃｅａｓａｓｔｕｄｙｃａ￥ｅ．Ｔｈｅｓｔｕｄｙｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｅｄｒｉｖｉｎｇｆｏｒｃｅｓｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｓｄｅｍａｎｄｃｏｎｓｉｓｔｏｆｔｈｅｆｏｒｃｅｆｒｏｍｎａｔ－
ｕｒａｌｃｏｎｄｉｔｉｏｎ，ｔｈｅｆｏｒｃｅｆｒｏｍｓｏｃｉａｌ－ｅｃｏｎｏｍｙａｎｄｔｈｅｆｏｒｃｅｆｒｏｍｔｈｅｐｏｌｉｃｙｆｏｒｗａｔｅｒｒｅｓｏｕｒｃｅｓｍａｎａｇｅｍｅｎｔ；ａｎｄｔｈｅｎｔｈｅｅｈａｎ—
ｇｉｎｇｐｒｏｃｅｓｓｏｆｔｈｅｄｅｍａｎｄｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｓｃａｎｂｅｅｆｆｅｃｔｉｖｅｌｙｓｉｍｕｌａｔｅｄａｎｄ
ｐｒｅｄｉｃｔｅｄｗｉｔｈｔｈｅｗａｔｅｒｒｅｓｏｕｒｃｅｓｆｏｒｃａｓｔｉｎｇ
ｍｏｄｅｌｂａｓｅｄｏｎｔｈｅｓｅｌｆ－ｏｒｇａｎｉｚｉｎｇｄａｔａｍｉｎｉｎｇ．Ｃｏｎｓｅｑｕｅｎｔｌｙ，ｉｔｐｒｏｖｉｄｅｓａｎｅｗｍｅｔｈｏｄｆｏｒｔｈｅｓｔｕｄｙｏｎｆｏｒｅｃａｓｔｉｎｇｔｈｅｄｅ—ｍａｎｄｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｓ．
Ｋｅｙｗｏｒｄｓ：ｄｅｍａｎｄｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｓ；ｄｒｉｖｉｎｇｆｏｒｃｅ；ｇｒｏｕｐｍｅｔｈｏｄｏｆｄａｔａｈａｎｄｌｉｎｇ（ＧＭＤＨ）；ｆｏｒｅｃａｓｔｉｎｇ；ＤｏｎｇｊｉａｎｇＲｉｖｅｒＢａｓｉｎ
水资源需求分析是进行水资源规划与管理工作的基础ｕＪ。随着社会经济的快速发展，水资源需求也不断加大，水资源短缺日益严重，为了保障社会的稳定和经济的发展，分析研究水资源需求演化的驱动力和预测未来需水量的变化态势，成为水资源的优化配置和可持续利用的先决条件，因此具有十分重要的理论和现实意义。本文在分析水资源需求的驱动力基础上，引进了基于自组织数据挖掘的水资源需求方法，并以广东省东江流域的河源、惠州、东莞和深圳市为例进行了验证。１水资源需求的驱动力分析
水资源需求的变化是水资源需求系统演化的结果，而水资源需求系统是涉及社会、经济、生态环
收稿日期：２００９—０９—２６
基金项目：国家自然科学基会资助项目（５０５７９０７８）；中国博士后科学基金面上资助（２００９０４５１４６９）。
作者简介：刘德地（１９８０一），男，湖南石门人，博士。
万方数据