白 鹏,龙秋波

(1.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室，北京 100101；2.湖南省水利水电勘测设计研究总院，湖南 长沙 410007)

用水量预测是水资源规划及管理的重要基础和依据，也是保证供水系统安全运行和科学管理的有效手段[1-3]。用水量预测的方法有很多,根据对数据处理方式的差异,用水量预测通常可分为时间序列法、结构分析法和系统分析法3类[4-6]。时间序列法主要是根据用水量周期性或规律性的变化特征进行统计分析，进而构建预测模型[7-9]；结构分析法是通过分析城市用水量与各种相关因素(如人口、产值、粮食产量和气候等)之间的联系，构建用水量和关联因素之间的统计模型，进行用水量预测[10]；系统分析法不追究个别因素的作用效果，削弱随机因素的影响，力求体现各因素对用水量规律的综合作用[11-12]。上述3种方法各有优势和不足，目前还无法建立一个确定性模型对区域用水系统的复杂性进行描述。相比于其他两种方法，时间序列法对用水系统外部复杂的影响因素进行简化,不需要对影响用水量的因素进行预测，只考虑历史用水量数据随时间内在变化规律,进而对整个系统的未来状态做出预测[7-9]。该类方法比较符合用水量序列的特点,因而在用水量预测工作中应用较为广泛。常见的时间序列预测法包括年增长率法、移动平均法、人工神经网络法和自回归模型法等[13-14]。多种用水量预测方法的比较研究有助于识别最优的方法，减少预测结果的不确定性。……