節水潛力預測研究綜述

劉 凡，李逸云，李澤文，毛鶯池

(1.河海大學計算機與信息學院，江蘇 南京 211100；2.南通河海大學海洋與近海工程研究院，江蘇 南通 226300)

水是國家工業和農業發展的命脈，也是城市形成和發展的重要因素。近些年，由于城市化和工業化推進，我國水資源短缺的問題愈加嚴峻，引進新技術，充分挖掘各領域節水潛力，改善各領域節水措施，是以有限水資源實現可持續發展的根本出路。節水潛力分析是指基于研究區域用水現狀，通過采取各種節水措施來挖掘該區域的最大節水量。若要實現精確分析，必須先選取最佳的預測方法對該地區進行節水潛力預測[1]，了解該地區未來的用水規模和趨勢，從而指導該地區供水設施的建設和供水系統的優化調整，有效應對潛在的用水危機。

目前國內外針對節水潛力預測的研究方法很多，包括傳統的基于公式模型的節水潛力預測，也有引入新型技術的基于機器學習的節水潛力預測，但每種方法均有其特定的應用領域和優缺點。筆者通過梳理對比各個模型，幫助從業人員針對問題更快速地進行模型優選，從而獲得優良的預測結果，實現節水潛力最大化。同時，筆者還總結分析了節水潛力的發展趨勢，展望了未來深度學習、大數據等新技術在節水潛力預測研究領域的應用前景。

1 節水潛力預測的研究現狀

節水潛力預測主要針對工業用水、農業用水、城鎮生活用水3個領域，除了單一領域的節水潛力預測，還有一些方法同時在多個領域得到實踐。根據《全國水資源規劃大綱》對節水潛力的釋義，目前主要是通過綜合分析各行業的用水水平現狀、用水實物指標和節水指標實現對節水潛力的估算預測。根據對預測準確性要求的不同，傳統的節水潛力預測分為定量計算和定性分析兩種方式。定性分析是基于長期實踐經驗定性總結出預測結果，沒有明確的測試或實踐數據作為支撐，不具備很強的說服力。而定量計算則主要基于某種公式模型，實現對某行業或某地區節水現狀的擬合，從而估算預測節水潛力。此外，水利部也分別提出了兩種適用于多領域的節水潛力預測公式：水資源管理司公式和全國水資源綜合規劃公式[2]。隨著當代計算機技術的發展，早期機器學習算法被應用到預測領域，使預測模型可以隨著實驗數據的增加獲得越來越準確的預測結果。

1.1 工業節水潛力預測

工業節水潛力是綜合現有水平年工業萬元產值和規劃水平年預計工業萬元產值分別對應的用水總量計算出的節水量。根據節水目的、節水措施的不同，分為計劃節水、工程節水、措施節水和資源節水。西方國家近年來將工業節水潛力預測和未來政策或創新趨勢結合起來，如考慮到針對能源投入替代品、零部件回收等進行研究的生態創新，Levidow等[3]將生態創新帶來的經濟優勢和減少的生態資源負擔相結合，分析大型制造公司生態創新的驅動因素，以及創新帶來的節水和減輕水污染的效益和前景。在技術管理層面，Mortier等[4]通過對工藝用水、環保用水和冷卻水等多環節的分析，為鋼鐵制造領域工業用水的可持續利用管理模式提供理論依據。Demin[5]基于對蘇聯20世紀70年代至世紀末的用水數據的分析，提出工業水資源可持續發展的相關理論。Komatsu等[6]對水資源管理升級對水資源循環利用的影響進行了研究。Cornwell等[7]對工廠廢水再次利用的環節進行了可行性分析。

我國《城市與工業節約用水手冊》中介紹的對照比較分析法、節水途徑分析法、單位產品分析法[8]通過不同角度實現節水潛力預測，但都限于現有工業，而節水潛力預測是面向未來的，同時包含現有工業(存量節水)和未來新興工業(增量節水)，綜合分析存量節水和增量節水才能實現更準確的預測。對存量節水和增量節水同時考量，鄭在洲等[9]運用定額需求計算法、用給排分別計算法，以黃淮海流域為研究實例，建立節水潛力預測模型。此外，曹型榮[10]、孟祥和等[11]分別以北京市和天津市為研究范例，做出了工業節水驅動機制經濟效應可行性的相關論證分析。戴鐵軍等[12]結合我國主要工業生產和用水特點，提出“自頂向下”以加大政策執行力和轉變工業節水編制。

1.2 農業節水潛力預測

農業節水潛力主要以提高灌溉用水標準為目的，綜合節水成本投入和節水措施落實預計減少的用水量和耗水量[13]，主要體現為當前用水量與未來采取相關節水措施后的預計用水量之間的差值[14]。國外還有很多機構將某一客觀因素和農業用水、節水情況結合進行研究。德國波茨坦氣候影響研究所Elliott等[15]為研究氣候變化情況下未來農業灌溉水供應的制約因素和潛力，比較了10個全球水文模型和6個全球網格作物模型的供需水預測情況。聚焦歐洲氣候變化下農業用水管理適應戰略，Iglesias等[16]將氣候變化影響與歐洲地區適應戰略的發展聯系起來，分析兩者對農業用水管理的潛在影響，制定應對措施，降低農業部門對氣候變化的脆弱性。此外，還有一些學者研究了節水設施、材料對節水潛力的影響，如為了評估雨水箱的節水和保水效率，從而得出適當的時間尺度分辨率，Campisano等[17]使用模擬雨水箱長期水平衡的行為模型，評估雨水收集(RWH)水箱的節水和雨水保留效益。Adhikari等[18]對比分析不可降解的低密度聚乙烯(LDPE)覆蓋膜、可生物降解的覆蓋膜和可噴涂的可生物降解的聚合物覆蓋膜對農業用水效益的影響。Abidin等[19]使用模糊專家系統確定最佳供水深度，使用纖維-毛細管灌溉系統建立實驗裝置，驗證了水和能量控制模型作為纖維毛管灌溉系統灌溉調度指標的可行性。針對灌溉水的最終去向，Molden[20]提出可回收水量、不可回收水量真實節水量等概念。

國內的農業節水潛力研究沒有統一方法，各地各部門根據當前用水主體和環境的不同，建立相應的模型進行研究，但有時會出現重用、改善相似模型的情況。如同時考慮規劃年節水水平和糧食需求量的增加，張艷妮[21]提出了相對節水潛力的概念以及相對節水潛力預測方法。劉建剛等[22]以水資源相對短缺的徒駭馬頰河流域為研究對象，采用水資源合理配置模型(WACM)作為分析手段，提出不同尺度農業節水潛力預測方法。張霞等[23]以寧蒙引黃灌區為研究對象，提出分項計算法和綜合計算法相結合的田間節水潛力預測的計算和驗證。高傳昌等[24]依據此方法對河南省中牟縣楊橋灌區進行了節水潛力計算分析，但該方法僅計算了管理方面節水潛力，卻忽略了農藝節水或其他節水的影響。馬立輝[25]在對河北省農業節水潛力預測研究過程中，解決了這一問題，將節水潛力劃分為狹義和廣義兩種，綜合計算得到更為全面的節水潛力預測結果。羅樹江[26]在對黑龍江灌溉節水潛力研究的過程中，提出在農業措施一致的前提下，分析和預測農業節水潛力，應考慮重復利用水的問題。按照這一計算資源型節水量的思路，排除重新利用的回歸水重復算入節水潛力的影響。崔遠來等[27]實現了不同環節灌溉節水潛力分析，尹劍等[28]以關中地區典型作物為主體進行了節水潛力研究。

1.3 城鎮生活節水潛力預測

城鎮生活節水潛力預測受到城鎮人口、風土習俗、基礎建設、經濟規劃以及自然條件等因素的多重影響，可以分行業進行分別預測再進行匯總，也可以進行簡單總體預測。在國外，針對城市用水需求，Ahmad等[29]為南佛羅里達州開發了一個動態模擬模型，以捕捉城市用水需求和節水潛力之間的相互關系。Rysulova等[30]設計SMART應用實現確切節水測定，重點關注家庭住宅用水量和可能節水量。為在保證節水有效性的同時降低節水成本，Karause等[31]通過對社會、政策和經濟等不同領域的探討，研究在最低經濟和福利成本前提下的節水措施和策略，希望通過灰水、雨水重復循環使用，提高沖洗水節水量。Liu等[32]采用家庭水循環模型，分析了灰水循環儲存停留時間對人工濕地灰水回用系統節水潛力的影響。Osais等[33]針對典型的家庭供水網絡，引入新組件后箱實現冷熱水逆管路壓力循環，有效節約管道廢水。通過利用單片機和模糊邏輯算法，Mantoro等[34]實現對家庭用水中水位的實時監控，以達到節水目的。

國內城鎮節水潛力預測模型多綜合考慮各領域各環節用水，高鵬[35]根據綜合、生產、生活、生態四大節水指標以及經濟發展五大指標，建立城市節水水平評價體系，通過層次分析法確定各體系指標權重，通過模糊綜合評價方法對城市節水潛力進行評價。高傳昌等[36]提出同時考慮供水、用水、排水和節水等多指標的基于屬性層次模型(AHM)的城市節水水平綜合評價模型，可根據所研究城市的實際情況進行指標重要性權重調整，得到準確評價。為實現各地區水資源平均分配，Su等[37]根據水生態足跡的基本原理和計算模型，分析了2004—2015年北京、上海、天津和重慶的水生態足跡(WEF)和水生態承載力(WEC)，建議針對不同城市水資源規劃相適應的生產結構，改善區域水不平衡，促進全國水資源均衡可持續發展。

1.4 基于機器學習的節水潛力預測

傳統的節水潛力預測方法基本上都是基于經驗形成的公式模型，這類方法經過長年的發展已經步入成熟階段，累積了大量實踐經驗，各地區各領域各環節都已在多年的小范圍實踐后，形成了屬于自己的基于某段已知水平年數據進行短期規劃年節水潛力預測的方法模型。但這類方法往往具有局限性，難以應對復雜系統，難以應用于當前所服務對象之外的用水主體，且數據獲取和分析僅依賴于經驗和人力。近些年，隨著人工智能領域的發展，機器學習技術開始在各個領域得到普及應用，并逐漸應用于節水潛力預測的研究中。Abdullah等[38]利用極端學習機(ELM)算法精確預測農業用水過程中的蒸散量，而蒸散量的精確估計正是精確節水的首要步驟。此外，還有一些方法通過精確預測用水量來實現節水的預測，例如An等[39]提出粗糙集方法精確預測短期用水需求，該方法根據觀察到的數據生成預測規則，使用數據中固有的統計信息來處理不完整和模糊的訓練樣本，實驗結果表明，該方法提供的信息比通過人類專家獲取知識獲得的信息更精確。同樣，為實現精確短期用水需求預測，Adamowski等[40]提出并測試了一種基于離散小波變換和人工神經網絡耦合的城市水需求預測應用方法，并與多元線性回歸、多元非線性回歸和自回歸綜合移動平均線模型進行對比。Cahill等[41]基于蒙特卡羅方法對家庭用水與節水模型進行研究，使用蒙特卡羅抽樣產生的末端用水參數概率分布，模擬單戶住宅的用水量，這種建模方法可以提高對水需求的了解，并估算節水計劃的成本效益。Dixon等[42]通過使用降雨時間序列連同蒙特卡羅模擬技術生成的家用水設備使用情況估計，以預測家用水重復利用系統的節水潛力。

在國內，劉煒偉等[43-44]以BP神經網絡的基本結構為基礎提出了基于Elman神經網絡的工業節水潛力預測方法；周振民等[45]提出基于灰色系統理論的農業節水潛力估算方法對人民勝利渠灌區的水資源供需平衡問題進行探討；雷貴榮等[46]提出基于隨機前沿函數(SFA)的節水潛力預測方法，從投入產出角度研究徐州市各區域農業節水潛力；陳建耀等[47]提出了基于線性擬合的節水潛力預測方法，以一段時間內的城市規模(城市非農業人口總數)、城市性質(第三產業人口占城市非農業人口的比例)、城市園林綠地覆蓋率、人均居住面積、常年平均氣溫、常年平均降水為因子，線性擬合出反映本城市本階段的生活用水水準的數據作為擬定額，基于此方案的節水潛力預測量就是實際生活用水量減去擬定額[35]。金笙等[48]通過時間序列模型預測北京市未來幾年草坪面積變化趨勢，進而計算不同草種的節水潛力。為實現多元預測，姚鑫[49]提出了基于MATLAB的水資源預測分析理論，將Logistic人口預測模型、灰色理論、神經網絡模型以及回歸分析與曲線擬合等因素分別分析、綜合計算，對華北各省市的節水潛力進行預測。

1.5 對比分析

不同的節水潛力預測方法，預測的精確性和可操作性不盡相同。表1對基于公式模型的節水潛力預測與基于機器學習的節水潛力預測從數據收集、普及范圍、可操作性以及精確性等方面進行了對比。

基于公式模型的節水潛力預測方法泛指傳統的經驗公式方法，收集數據較少，操作起來簡便快捷，使用的范圍較廣，但精確性不高?；诠侥Ｐ偷念A測方法中，最為廣泛認可和使用的是水利部分別提出的兩種適用于多領域的節水潛力預測公式：水資源管理司公式和全國水資源綜合規劃公式[2]。水利部水資源管理司提出的節水潛力計算公式中，工業節水潛力預測是在實現工業結構、節水技術、節水意識優化后的節水量；農業節水潛力預測主要針對灌溉節水；城鎮生活節水預測主要考慮管網漏失率和節水器具普及率。全國水資源綜合規劃公式由水利部海河水利委員會提出，又稱海委計算公式，工業節水預測充分考慮非自備水源工業取水量、供水管網綜合漏失率以及工業用水重復利用率因素；農業節水預測主要考慮灌溉水有效利用系數；城鎮生活節水預測僅考慮供水管網綜合漏失率。水利部水資源管理司計算公式綜合考慮工程、工藝和管理節水3個方面，而全國水資源綜合規劃公式的計算結果主要來自工程節水措施，因此水利部水資源管理司節水潛力計算模型較優于全國水資源綜合規劃公式。此外，大多數小范圍使用的公式模型一般僅對工農業、生活節水其中一個方面進行探討。該類方法節水潛力預測指標參數相對較少，只能粗略計算某地區的節水潛力，且不太適應變化環境中實時數據監測、分析和節水策略調整?；跈C器學習的節水潛力預測方法收集的數據種類和數量均相對較多，利用人工智能設備實地勘測和大數據分析提煉出影響因素，構造預測模型，通過機器學習，對模型加以訓練和測試，最終獲得合適的模型參數。使用這種方法，需要收集大量數據，比較繁瑣，但是構造出的預測模型使用范圍廣，精確度高。

表1 節水潛力預測方法對比

2 節水潛力預測的發展趨勢

2.1 基于深度學習的節水潛力預測

機器學習方法越來越多地被應用于節水潛力預測中，傳統機器學習模型的構建過程中最重要的環節之一是特征設計，特征選取是否準確將直接關系到學習模型的好壞。但是傳統的機器學習方法中重要的特征設計環節一般由人工完成。現實中，節水潛力預測是一個復雜的非線性問題，難以通過人工經驗實現準確有效的特征選取，人工設計的特征往往受經驗的不確定性影響，不具備普適性。并且，基于傳統機器學習方法的節水潛力預測算法大多都是淺層結構，如支持向量機(SVM)可以認為是帶有一個隱含層的結構，而線性回歸和邏輯回歸等根本不包含隱含層。當某一用水主體所處的環境十分復雜，需要考慮非常多因素時，這種淺層結構的機器學習算法學習到的規律有限，對復雜函數的表達能力有限，從而致使算法泛化能力不夠強，預測效果不夠理想。例如，在前文介紹的基于Elman神經網絡的節水潛力預測[43-44]，由于其網絡結構僅為3層，在針對復雜非線性問題時預測能力會受到限制。為突破這一制約，有必要引入具有特征自學習屬性的深度學習技術構造模型，將簡單的神經網絡替換為深度學習理論中的多層網絡結構，通過多隱層的堆疊學習數據之間的深層次非線性關系，實現對實際預測中復雜因素的更好控制，分層傳遞、逐步抽象，最終清晰表達原始數據的本質，從而獲得更精確的預測結果。利用深度學習模型進行節水潛力預測的主要過程如圖1所示。

圖1 基于深度學習的節水潛力預測流程

2.2 基于大數據的節水潛力預測

節水潛力預測的研究歷經幾十年，已經累積大量數據，但預測過程中數據的獲取、整理和分析途徑卻大多限于小規模數據和人工分析，需要引入大數據技術實現海量數據高效分析，使預測模型具有更強的決策力、洞察力和流程優化能力，獲得更加精準的預測結果。如彭致功等[13]利用遙感蒸發量(ET)數據開展節水潛力的研究，提出基于遙感(RS)數據和地理信息系統(GIS)方法估算區域作物節水潛力。在ET定額計算理論基礎的研究過程中，發現遙感數據精度有待提高，不得不選用同期作物需水量對計算得到的作物ET定額加以修訂；此外，研究范圍內一種典型作物的像元數就已經達到上萬數量級，如果直接使用全部像元數擬合水分生產函數，數據量過多、離散度高，因此需使用分類均值法將ET定額相近的像元進行組合、求均值后，再進行函數擬合。該種情況下，若引入遙感大數據技術對模型進行優化，如結合基于GPU集群的遙感大數據處理系統，雖然數據處理仍以像素集為主要單位，但卻可以通過光學影像輻射校正、空中三角測量等技術實現遙感數據的預處理，如果與深度學習結合實現深層次數據挖掘和處理，就能夠以多來源、多介質、多頻段、多分辨率的海量遙感數據集為直接研究對象，短時間內實現更精確的預測分析。

實際上，在節水潛力預測的過程中，我們依據的數據往往不限于遙感數據，節水數據資源涉及水務管理的各個方面，內部結構復雜，包括節水綜合庫、數據倉庫、元數據庫等數據。此外，還包括大量來自互聯網的數據。因此，節水大數據存在涉及范圍廣，時間跨度長，時序數據多維性、影響因素多等特征，導致數據冗雜，數據處理和信息挖掘困難，進而為基于大數據的節水潛力預測帶來挑戰。因此在對數據進行分析應用之前必須對數據進行清理，保證數據的準確性與有效性。另外，由于與節水相關的經濟社會大數據應用面非常廣，用戶對數據的理解參差不齊，再加上數據類型多樣，若數據未經規范化語義描述直接用于提供服務，將難以滿足用戶的需求。因此，基于大數據的節水潛力預測首先要解決數據的清洗問題，進而實現異構數據的不同粒度、不同層面的協同統一表示。數據清洗流程包括數據預處理、數據分析、數據清洗規則制定、清洗稽查，最終經過清洗分析不斷完善知識庫。其次，考慮到節水潛力預測面臨的是多種類型、多種來源、不同時間和不同特征的節水大數據，因此還需要解決天、空、地全方位立體節水大數據的融合同化問題，并結合大數據挖掘技術，挖掘數據中的關聯關系。

2.3 基于互聯網的節水潛力預測

傳統意義上，節水潛力預測所依托的數據包括由監控系統、各類傳感器獲得的水務基礎信息數據、空間數據和共享數據，這類數據獲取時延大、分辨率低、不確定性高。因此應考慮引入水利新聞、媒體報告、媒體社會監控數據等互聯網多源數據，通過邊界條件進行大數據初步分類，降低數據量級；通過自動文本聚合、摘要和排序進行數據清洗、關鍵詞提取，以提高節水潛力預測系統的預測能力和應急能力。結合互聯網+背景，應將互聯網多源數據獲取、大數據處理和基于深度學習的預測技術結合，形成數據獲取、處理、預測的閉環。同時，面向公眾關心的節水熱點問題，研究節水水務社會化服務數據的收集、處理、預測、發布“一體化”模式。

通過互聯網實現多源數據獲取后，還需構建如圖2所示的應用架構，實現底層數據監測和節水潛力預測模型的無縫集成，應用架構由下到上分為數據存儲層、服務層、業務應用層和交互層。最底層：數據存儲層，依據數據來源分為：水務基礎信息數據庫，主要存儲水利相關部門的監測數據；空間數據庫，存儲地理、農作物等潛在影響節水潛力的信息；共享數據庫，實現不同平臺間的數據交換與共享功能；互聯網數據庫，是指水利新聞、媒體報告、媒體社會監控數據等互聯網數據。本層實現數據的共享和專題數據的管理，與水務信息資源庫對接。第二層：服務層，提供GIS組件、報表服務、數據交換等功能。第三層：業務應用層，首先通過大數據處理子系統進行大數據分類，降低數量級；通過自動文本聚合、摘要和排序進行數據清洗、關鍵詞提取。然后將處理過的數據輸入節水潛力預測子系統，利用相關的預測模型，例如基于深度學習的預測模型，進行預測性計算并輸出結果。第四層：交互層，可對接電腦、平板和手機客戶端，實現節水數據的實時發布，提供統一、友好的展示頁面，同時具有通知公告、政策法規等輔助信息發布功能。

3 結 語

雖然目前節水潛力預測領域，深度學習、大數據等新技術的應用仍然處于起步階段，但隨著經濟和科技發展，基于新型機器學習技術的節水潛力預測技術將不斷完善發展，為節水潛力預測提供可靠的基礎數據和技術保障。未來有望通過大數據和深度學習技術實時收集各環節用水參數，精確分析各環節主要影響參數，因地制宜建立符合各類用水主體的節水潛力計算模型，較準確地提前預知某些參數變更后的節水量、節水率，挖掘各類用水主體的節水環節的巨大潛力，實現精細化節水潛力預測。同時，加快完善基于互聯網的節水潛力預測應用，實現節水水務社會化服務數據的收集、處理、預測、發布“一體化”模式，將使各部門數據實時共享、預測數據實時更新，人民群眾可以通過各類客戶端實時了解節水數據并進行評價、反饋，加強對節水政策和措施的認知，提高節水意識。