再生水回用行為引導政策作用效果仿真

丁超 付漢良 何玉麒 王振華 吳思美 王萌萌

摘要：再生水回用對于增加水資源供給、緩解水環境污染具有重要意義，然而公眾對于再生水回用的排斥卻制約著再生水回用的推廣。針對這一問題，本研究將再生水回用行為引導政策作為研究對象。選取衡量個體與群體之間相互影響關系的關聯型自我構建指標，作為不同個體交互規則的設計依據。在此基礎上，通過構建Agent-basedModel（ABM）模型對不同政策的作用效果進行仿真模擬。首先，在西北干旱地區開展問卷調查，并基于獲取的一手數據，訓練個體決策的人工神經網絡模型。通過將該神經網絡模型嵌入ABM模型，來實現仿真模擬過程中的個體自主決策。研究發現：①示范引導型政策對各類再生水回用行為均具有良好的作用效果。②環保動機激發型政策和知識普及型政策的作用效果，會分別隨著再生水回用行為人體接觸程度的提高而增強和減弱。對接觸程度高的再生水回用行為，環保動機激發型政策能起到較強的影響效果。③知識普及型政策對于人體接觸程度低的再生水回用行為影響效果較好，但對于接觸程度高的再生水回用行為甚至出現負向影響。根據研究結論提出以下政策建議：在制定再生水回用推廣政策時，應當注意區分不同再生水回用行為的類型，選擇適當的引導政策。由于示范引導政策對于各類型再生水回用行為均有較好的引導效果，應加強再生水回用示范工程建設。對于高人體接觸程度的再生水回用類別，應當注重對其環保屬性的宣傳，激發公眾的環保動機。對于低人體接觸程度的再生水回用類別，則應當注重通過加強相關知識的普及，來打消公眾的疑慮。

關鍵詞：再生水回用;公眾接受;行為引導政策;BP神經網絡;Agent-basedModel

中圖分類號X-4

文獻標識碼A文章編號1002-2104（2021）03-0161-10DOI：10.12062/cpre.20200631

淡水資源僅占全世界水資源總量的2.5%，且諸如冰川融雪、地下水及地表徑流等可直接為人類利用的水資源又僅占淡水資源總量的1%[1]，因此，淡水資源總量極其有限。近年來，因人類活動而造成的大規模水環境污染更是加劇了全球范圍內水資源的緊缺。比如，供養了全世界1/15人口的長江，如今卻有20%的水源構成是污水[2]。水資源緊缺和水環境污染已成為當前全人類面臨的共同挑戰[3]，而采用替代水源則是解決這一問題的有效辦法之一。再生水作為替代水源的一種，其生產過程相較于海水淡化等其他替代水源更加節能。同時，其生產過程可以處理大量污水，還能減少對水環境的污染物排放[4]。基于這些優勢，再生水回用已得到世界各國的重視。

如今，污水處理技術已能生產出滿足任何水質標準的再生水，其已不再是制約再生水回用推廣的最大障礙[5]，取而代之的則是公眾對再生水回用的排斥[6-7]。公眾往往會因再生水是“由廁所而來的水（ToilettoTap）”產生厭惡感，進而不接受再生水回用[8]。這一現象早在1970年代就被學者發現，描述為公眾對再生水回用不潔的厭惡[9]。在隨后的研究中，惡心因素被證實對再生水回用的公眾排斥行為具有極強的預測效果[10-11]。對再生水回用的厭惡還會抵消其對環境保護的積極作用，甚至即使有權威科學家為再生水的品質背書，也無法改變公眾對于再生水回用的排斥[12]。這也導致了相對于諸如雨水再利用、海水淡化等其他種類的替代水資源，再生水回用更容易遭到公眾的排斥[13]。因此，對于再生水回用的推廣而言，有針對性的制定政策來引導公眾參與再生水回用，意義重大且勢在必行。

智能體模型（Agents-basedmodel，ABM）作為一種政策模擬工具，能通過模擬多個Agents的同時行動和相互作用以再現和預測復雜現象。整個模擬過程從低層次（微觀）到高層次（宏觀）逐步涌現，系統在多Agents的相互作用下可模擬出如真實世界般的復雜性。通過ABM捕捉關于不同類型干預策略前后的系統均衡狀態，就可以觀察并預測其作用效果。因為ABM的這些優勢，眾多學者在諸如用水行為干預策略[14]、環境經濟政策模擬[15-16]及建筑工人不安全行為預防策略[17]等方面開展了卓有成效的研究。因此，本研究采用ABM對再生水回用行為干預政策的作用效果進行模擬，以期為再生水回用公眾引導政策的制定提供科學依據。

1研究假設的提出與研究框架的構建

1.1研究假設

由于再生水自身的特點，造成公眾對于不同再生水回用行為的接受程度大相徑庭。在Hurlimann和Dolnicar[18]的研究當中，通過比較9個國家公眾對于不同再生水回用行為的接受程度數據，指出再生水回用的接受程度隨其與人體接觸程度的提高而降低。因此，為更詳盡的研究不同行為引導政策的作用效果，本研究參照Fu等[19]的研究選取較為常見的9種用途，按照人類使用再生水的接觸程度將再生水回用行為（Recycledwaterreusebehavior，RWB）劃分為四類（表1）。

在此基礎上，本研究選取示范引導型政策（DemonstrationGuidingPolicy，DGP）、知識普及型政策（KnowledgePopularizationPolicy，KPP）和環保動機激發型政策（EnvironmentalMotivationStimulatingPolicy，EMP）作為研究對象。由此提出以下假設：

假設1：DGP對于各種再生水回用行為均具有最好的引導效果。早在1974年Baumann等[20]的研究中就指出，“提高居民對于再生水接受意愿最有效的辦法，就是在一處吸引人的設施中使用再生水，并邀請居民參觀它、聞它、圍繞著它野營、釣魚甚至在水里游泳”。也就是說，DGP其實就是給大家營造再生水回用的環境，提高再生水回用設施的普及程度，讓大家有機會接觸再生水，從而影響其使用意愿。因此，為驗證其是否具有最好的引導效果，故此提出假設1。

假設2：KPP的作用效果會隨著再生水回用行為人體接觸程度的降低而提高。由于對再生水回用缺乏了解，人們容易陷入對再生水消極、錯誤的認知，甚至先入為主的認為使用再生水是不安全的[21]。因此，通過提高公眾對于再生水回用知識的了解程度，使公眾正確認識再生水，會對低接觸程度的再生水回用行為起到良好的促進作用。但是，隨著公眾對再生水回用知識了解的越多，對高接觸程度的再生水回用行為反而會起到一定抑制作用。故此提出假設2。

假設3：EMP的作用效果會隨著再生水回用行為人體接觸程度的升高而提高。由于再生水回用所具備的環保行為屬性，公眾在進行再生水回用行為決策時，并不完全出于自身利益進行權衡，而會在一定程度上受保護環境、造福社會的利他動機驅使。因此，通過有效的激發公眾保護環境的動機，無疑對提高公眾對于再生水回用的接受程度具有重要意義。而對公眾使用顧慮最大的高人體接觸程度的再生水回用行為，這一影響效果則有可能會更為明顯。故此提出假設3。

1.2研究步驟

第一步：首先對中國西北干旱地區6個典型城市進行“再生水回用行為引導政策作用效果”的問卷調研，收集“居民不同再生水回用行為引導政策的感知情況”“居民對不同接觸程度的再生水回用行為接受情況”“關聯型自我構建（relevantself-construction）”等個體數據（圖1第一步）。

第二步：利用所收集的數據進一步構建并訓練人工神經網絡（ArtificialNeuralNetwork，ANN），在網絡結構上選擇了反向傳播的神經網絡（BackPropagationNeuralNetwork，BPNN），構建“個體受外界影響（引導政策）而進行不同行為決策”的BPNN模型（圖1第二步）。

第三步：利用Netlogo6.1.0構建ABM，以DGP、KPP、EMP為每一個Agent的基本屬性，并作為輸入數據進入BPNN，以BPNN的輸出結果作為每個Agent的決策結果。以關聯型自我構建建立交互規則，最終收集數據并觀察結果（圖1第三步）。該方法的研究步驟如圖1所示。

2數據來源與研究方法

2.1數據來源

本研究在2019年1月1日—4月30日間，選取中國干旱缺水的新疆、青海、內蒙、甘肅、寧夏、陜西6個省份當中的典型城市烏魯木齊、西寧、包頭、蘭州、銀川及西安作為調研地點。采用線上及線下相結合的方式發放問卷，剔除無效問卷，每個城市400份[22]有效問卷，獲滿為止，獲取了2400份有效問卷，樣本情況介紹見表2。被調查對象的男女比例、年齡段分布、民族構成等都與西北地區情況較類似，符合隨機抽樣的特征。

2.2研究方法

2.2.1問卷設計及檢驗

本次調研所采用的問卷分為4個部分。第一部分，包含調研參與人的社會人口學指標，包括年齡、性別、學歷、民族等。第二部分，包含調研參與人對于不同再生水回用用途的接受程度。共有4個問題以測度公眾對4種不同接觸程度的再生水回用行為的接受程度。第三部分，根據不同政策的作用原理，分別選取再生水回用設施普及程度、公眾對再生水回用知識的了解程度以及對保護水環境的動機作為DGP、KPP以及EMP的作用效果測量指標。第四部分，將衡量個體與群體之間相互影響關系的關聯型自我構建指標的強度作為制定小世界網絡中Agents之間交互準則的依據。并借鑒文獻等[23-28]的研究，對關聯型自我構建指標進行測量。同時，在問卷發放前，課題組邀請了相關人員和專家進行了試做，確保相關題項語意清晰，沒有歧義，并進行了小幅修正。

2.2.2個體行為決策的人工神經網絡實現

在模擬個體決策的過程中，我們面臨這樣的難題，即個體決策行為難以進行量化表達。通過問卷調研結果進行相關性檢驗，不同引導政策與不同接觸程度的再生水回用行為具有較強相關性，即引導政策對個體作用強度的改變，也會引起個體回用行為的改變，但是目前改變的程度并沒有明確的數學表達。因此，我們利用調研問卷所獲得的數據構建BPNN，通過BPNN對數據進行模式匹配，建立一個受政策驅動的個體再生水回用行為決策的人工神經網絡模型，由此來解決每一個個體決策行為的量化問題。

BPNN的網絡結構見圖2。BPNN模型的輸入和輸出設置情況見表3。

由于線性回歸的標簽y和模型輸出都為連續的實數值，因此在模型中，損失函數選擇平方損失函數（QuadraticLossFunction）ζ來衡量真實標簽和預測標簽之間的差異。

ζ（y，f（x，θ））=（y-f（x，θ））22（1）

其中，f（x，θ）為假設空間中的模型結果，是預測值;θ為一組可學習參數（包含權重和偏置）;x為輸入;y為對應輸入的真實結果。

模型選擇經驗風險最小化準則進行訓練，訓練集D上的經驗風險定義為：

R（w）=12∑Nn=1（y（n）-f（x（n），θ））2（2）

其中，N為樣本數量;y（n）為真實值;f（x（n），θ）為預測值。

評價指標選取準確率（accuracy）進行觀測：

ACC=1N∑Nn=1I（y（n）=（（n）），（3）

其中，N為樣本數量;I為指示函數;y（n）為真實值;（n）為預測值。

通過對不同學習率（LearningRate）下損失函數（Loss）收斂情況的比較，選擇了性能相對較好的0.1為學習率的默認設置。將調研收集的數據整理并制作數據集，采用留出法（Hold-out）隨機劃分80%為訓練集D，另20%為測試集T。經過訓練，BPNN模型的損失函數及預測準確率見圖3，準確率基本在70%左右。測試集的結果稍好于訓練集，沒有出現過擬合（over-fitting）的現象。對于調研數據來說，預測結果基本可以接受。

2.2.3ABM模型構建

（1）實驗思路。概括地說，該模型模擬了這樣一個小世界：在這個世界中，每一個Agent即代表一個能夠獨立決策的個體，每個Agent對再生水的使用決策受到兩種因素影響。首先，不同引導政策會對Agent的決策直接產生影響;同時，Agents之間存在“關聯型自我構建”效果，會相互影響。通過不斷循環，在不同的影響環境下，每一個Agent的再生水回用行為選擇都在變化。在實驗過程中，通過改變每一項引導政策的作用力度，每一個Agent都會做出自己的行為決策，最終形成穩定的輸出，通過匯集每一個Agent的再生水回用行為決策的結果，就能夠觀察到不同引導政策的宏觀作用效果。本實驗的個體行為決策邏輯見圖4。

（2）Agent屬性初始設置。關聯型自我構建。根據調查結果可知，每位被調查者都具備強弱不同的關聯型自我構建，本研究設定其為Agent的自然屬性，用SNi表示。對問卷數據的SN和KPP、DGP、EMP數據進行相關性檢驗，結果為不相關。因此，系統中Agent的關聯型自我構建屬性采取模型初始化時隨機賦值，賦值范圍為[1，5]，表示Agent的關聯型自我構建由弱到強。“1”表示最弱，受其他主體影響的概率最小，“5”表示最強，最易受其他主體的影響。

引導政策的初始接受程度。每個Agent有三個決策認知屬性，即KPPi、DGPi及EMPi。這三個屬性初始化時按照調研數據中出現的頻率隨機賦值，公式如下：

{KPPi，DGPi，EMPi}=random[1，2，3，4，5]（4）

（3）交互規則。模擬世界是一個由101×101地塊（patches）組成的“城鎮”網格，Agents數量為1089。交互準則的設計依據如下：①Agent是模擬城市居民，因此每一個Agent都能夠進行移動并進行交互。②根據城市居民日常生活的活動情況，大部分Agent都在一定范圍內活動。

每一個Agent通過社會網的交流和溝通完成交互，設置所有的Agent位于一個正方形的社會網格上，視野參數（Slightlimit，SL）為1，每個網格的鄰域邊長為3，位于中心的Agent只受到鄰域邊長3以內的其他Agent的影響。見圖5（b），每一個彩色框即為Agent的視野，每一個Agent在如圖5（a）所示的黑色框中活動，只有當其他Agent處于自己的視野內，雙方才能夠進行交互。即圖5（b）中，Agent1不能與其他任何Agent交互，Agent2能與Agent3交互，Agent3能與Agent2和Agent4交互，Agent4只能和Agent3交互。

每個Agent對其他Agent的影響大小由自己以及對方的關聯型自我構建強弱決定。在圖5的交互過程中，每個Agent將自己的關聯型自我構建值與周邊Agent比較，如果對方的數值強于該Agent，該Agent則根據差值大小決定其再生水回用行為調整概率的大小，差值越大則調整概

率越大。交互影響的公式如下：

RWBi=RWBi+（RWBj-RWBi）×

（SNj-SNi）/4，SNj>SNi（5）

RWBj=RWBj+（RWBi-RWBj）×

（SNi-SNj+5）/4，SNj>SNi（6）

其中，RWBi為當前Agent的再生水回用行為意愿;RWBj為當前Agent視野內可交互Agent的再生水回用行為意愿;SNi為當前Agent的關聯型自我構建;SNj為當前Agent視野內可交互Agent的關聯型自我構建。

3結果分析

為準確模擬不同政策對再生水回用行為的影響作用，本研究在保持其余政策施加強度為0的情況下，每次提高某一政策施加強度0.01，并在小世界網絡穩定后，記錄全體Agent的再生水回用行為接受意愿平均值數據。在圖6及圖7中，橫軸均為不施加其余兩種政策（即其余兩種政策改變量為0）時，政策的施加強度。縱軸代表Agents對于再生水回用行為接受意愿的平均值變化量，當x軸的政策施加強度為0時，y軸對應接受意愿均值變化量為0。

3.1不同類型再生水回用行為的適配引導政策

為了確定不同類型再生水回用行為的適配引導政策，本研究在將9種再生水回用行為依照人體接觸程度的高低劃分為4大類的基礎上，分別模擬了在不同政策干預強度下，各個Agent對于不同類型再生水回用行為接受意愿的變化程度如圖6所示。

除RWB1外，DGP對于其余三類再生水回用行為作用效果均最強。如圖6（b）至圖6（d）所示，DGP改變造成Agent對于RWB2、RWB3和RWB4的接受意愿（Acceptance，ACC）均值變化量均高于其余兩種政策類型，這一結論與假設1相一致。然而，對于接觸程度最低的再生水回用行為RWB1，DGP的作用效果卻弱于KPP，與假設1不符。造成這一現象的原因，一則是由于KPP對于RWB1的作用效果本身較強;另外亦可能因為RWB1所對應的幾種再生水回用用途為當前應用最為廣泛的用途，因公眾接觸較多而在一定程度上造成對該類用途的心理脫敏，并進一步導致以營造再生水回用氛圍來實現引導效果的作用效果的弱化。

對于RWB3和RWB4所對應接觸程度較高的再生水回用行為，EMP能起到較強的影響效果。在以往的眾多研究當中已經證實，在決定是否接受接觸程度較低的再生水回用用途時，再生水價格、使用是否方便等客觀因素會起到重要作用。而對于高接觸程度的再生水回用用途而言，對其安全性的顧慮及“惡心”則成為了決定性因素。因此，對于高接觸程度的再生水回用行為而言，保護環境的動機則對其接受決定至關重要。所以，EMP對于接觸程度較低的再生水回用行為，作用效果最弱（圖6（a）），對接觸程度較高的再生水回用行為卻起到較為良好的作用效果（圖6（d））。

KPP對于RWB1影響效果最好，但對于RWB4甚至出現負向影響。由圖6（a）可見KPP對于RWB1的作用效果明顯強于其他兩類政策。而隨著再生水回用行為與人體接觸程度的提高，KPP對于RWB2的作用效果開始被DGP反超，但仍高于EMP。但對于接觸程度最高的RWB3和RWB4，KPP的作用效果為所有政策中最弱，對于RWB4甚至產生了負向影響效果。這也說明了應用KPP時要更加注意作用對象，對于一些人體接觸程度較高的再生水回用用途，KPP不但可能起不到預期效果，甚至會產生反向作用而加劇公眾對于再生水回用工程的排斥。

3.2人體接觸程度對政策作用效果的影響

為了探究再生水回用行為的人體接觸程度對于政策作用效果的影響，及更為清晰的反應不同政策究竟對于何種再生水回用行為具有最好的作用效果。本研究將不同政策對于再生水回用接受意愿的影響作用分別作圖（圖7），結果分析如下。

DGP的作用效果與不同再生水回用行為的人體接觸程度間沒有明顯聯系。由圖7（a）可見，DGP對于四類不同人體接觸程度的再生水回用行為，除對于RWB1影響效果略低外，對其余三種類型再生水回用行為的引導效果較為接近，并出現影響效果交替領先的現象。同時，通過對比可見DGP的總體作用效果較EMP及KPP更強。由此可見，DGP對于各類型再生水回用行為均具有較為良好的引導效果，同時該作用效果受不同再生水回用行為的人體接觸程度影響較小。

EMP對不同再生水回用行為的作用效果隨人體接觸程度的提高而增強。由圖7（b）可以明顯看出，EMP的作用效果隨再生水回用行為人體接觸程度的上升而提高，這一結論與假設2相符。表明當再生水回用行為的人體接觸程度較高時，應當優先選擇EMP作為推廣政策，強調再生水回用對于環境保護的重要意義，激發公眾保護環境的熱情，引導公眾主動參與再生水回用去減輕自身行為對自然環境所造成的不利影響。

KPP對不同再生水回用行為的作用效果隨人體接觸程度的提高而減弱。由圖7（c）可見，KPP對于人體接觸程度最低的RWB1具有最好的引導效果。同時，KPP的作用效果隨著再生水回用行為人體接觸程度的提高而降低，甚至對接觸程度最高的RWB4產生負向作用。由此可見，當再生水回用用途的人體接觸程度較低時，應優先考慮采用KPP，提高公眾對于再生水回用的了解程度，打消其對于再生水回用的疑慮。而當再生水回用人體接觸程度較高時，則需謹慎采用KPP，避免適得其反。

4結論及政策建議

4.1結論

將關聯型自我構建作為交互準則的設計依據，構建小世界網絡。本研究借鑒心理學領域關于自我構建（self-construal）的相關研究成果，選取其中代表個體與群體之間相互影響關系的關聯型自我構建，率先將其作為Agent間交互準則的設計依據，引入到ABM建模當中，構建了關于再生水公眾接受行為的小世界網絡。該準則的引入，為模擬Agent間的相互影響行為提供了理論依據，同時為后續相關研究提供有效借鑒。

DGP對于各類型再生水回用行為均具有良好的引導效果。通過對DGP作用效果進行模擬，發現該類型政策的作用效果受不同再生水回用行為人體接觸程度的影響較小，同時對于各種類型的再生水回用行為均具有良好的作用效果。這也佐證了各地均將建設再生水回用示范工程作為推廣再生水回用重要手段的科學性，同時也與Rozin等[27]關于“消除公眾對于再生水排斥的最好辦法，就是讓公眾去使用再生水”的觀點相一致。

EMP適用于高人體接觸程度的再生水回用行為。本研究通過對比EMP對于不同人體接觸程度再生水回用行為的作用效果，發現其作用效果隨不同再生水回用行為人體接觸程度的提高而增強的規律。啟示人們，對于推廣難度最大，也是公眾使用顧慮最多的高接觸程度的再生水回用用途，促使公眾選擇是否接受該用途的重要原因之一便是其發自內心的保護生態環境的動機。對于此類用途，有效強化參與再生水回用與環境保護之間的聯系，激發公眾的環保動機或許是最為有效的辦法之一。

KPP適用于低人體接觸程度的再生水回用行為。本研究通過仿真結果，發現了KPP對于不同類型再生水回用行為的接受意愿隨其人體接觸程度的升高而減弱的規律。啟示人們，在實施此類政策時，要慎重選擇使用場景。當推廣再生水回用行為為低人體接觸程度時，通過普及再生水回用知識能打消公眾對于再生水回用的顧慮，大大提高其對于再生水回用的接受意愿。而對于人體接觸程度較高的再生水回用行為，盲目的普及相關知識或許起不到預想效果，甚至適得其反[28]。

4.2建議

在制定再生水回用推廣政策時，要考慮回用類型間的區別。由于再生水的特殊性，當將再生水回用于不同用途時，這些用途與人體接觸程度之間的顯著區別會影響公眾對其不同類型相關信息的關注程度。與之對應，不同再生水回用行為，適合的推廣方式也會有所區別。因此，在制定再生水回用推廣政策時，應充分考慮到回用類型間的區別，選取適合的推廣策略，避免因政策選型失誤導致再生水回用公眾排斥事件的發生。

大力建設再生水回用示范工程，營造再生水回用氛圍。本研究已證明，DGP對各種回用類型均具有良好的作用效果。通過大力建設再生水回用示范工程，為公眾提供更多親身參與再生水回用的機會。同時，對已有再生水回用設施進行明確標識，進而在全社會營造再生水回用氛圍。這將有利于降低公眾對于再生水回用的陌生感，培養公眾使用再生水的習慣，提高公眾對于再生水回用的接受程度。

配合使用EMP和KPP。這兩種政策在適用對象上有著很好的互補。對于高人體接觸程度的再生水回用用途，應優先采用EMP，強調再生水回用對于含蓄水源、保護環境的重要作用，努力營造再生水回用綠色、環保的積極形象;給再生水回用貼上環保標簽，激發公眾環境保護動機，讓公眾覺得使用再生水是一件高尚的事情。對于人體接觸程度較低的再生水回用用途，則應在回用地點周邊設置內容詳盡的信息公示牌，同時配合宣傳再生水回用相關知識，提高公眾對于再生水回用的了解程度，形成對再生水回用安全可靠的印象

參考文獻

[1]ROZINP，HADDADB，NEMEROFFC，etal.Psychologicalaspectsoftherejectionofrecycledwate：contamination，purificationanddisgust[J].Judgment&decisionmaking，2015，10（1）：50-63.

[2]WANGZM，SHAODG，WESTERHOFFP.WastewaterdischargeimpactondrinkingwatersourcesalongtheYangtzeRiver（China）[J].Scienceofthetotalenvironment，2017，599：1399-1407.

[3]王偉軍，趙雪雁，張明軍，等.西北干旱區內陸河流域公眾的水資源感知及節水意向：以甘肅省河西走廊地區為例[J].中國人口·資源與環境，2019，29（11）：148-157.

[4]RICARTS，RICOAM.Assessingtechnicalandsocialdrivingfactorsofwaterreuseinagriculture：areviewonrisks，regulationandtheyuckfactor[J].Agriculturalwatermanagement，2019，217：426-439.

[5]胡洪營，杜燁，吳乾元，等.系統工程視野下的再生水飲用回用安全保障體系構建[J].環境科學研究，2018，31（7）：1163-1173.

[6]羅福周，吳曉萍，付漢良.基于結構方程模型的再生水回用公眾接受程度研究[J].科技管理研究，2018，38（4）：247-253.

[7]高旭闊，吳思遠.西安市再生水的公眾認知及接受意愿研究[J].干旱區資源與環境，2019，33（6）：63-69.

[8]CHINGL.Aquantitativeinvestigationofnarratives：recycleddrinkingwater[J].Waterpolicy，2015，17（5）：831-847.

[9]DUONGK，SAPHORESJM.Obstaclestowastewaterreuse：anoverview[J].Wileyinterdisciplinaryreviews：water，2015，2（3）：199-214.

[10]WESTERJ，TIMPANOKR，EKD，etal.Psychologicalandsocialfactorsassociatedwithwastewaterreuseemotionaldiscomfort[J].Journalofenvironmentalpsychology，2015，42：16-23.

[11]付漢良，劉曉君.再生水回用公眾心理感染現象的驗證及影響策略[J].資源科學，2018，40（6）：1222-1229.

[12]FIELDINGKS，GARDNERJ，LEVISTONZ，etal.Comparingpublicperceptionsofalternativewatersourcesforpotableuse：thecaseofrainwater，stormwater，desalinatedwater，andrecycledwater[J].Waterresourcesmanagement，2015，29（12）：4501-4518.

[13]BENNETTJ，MCNAIRB，CHEESMANJ.CommunitypreferencesforrecycledwaterinSydney[J].Australianjournalofenvironmentalmanagement，2016，23（1）：51-66.

[14]BERGERT，BIRNERR，MCCARTHYN，etal.Capturingthecomplexityofwaterusesandwateruserswithinamulti-agentframework[J].Waterresourcesmanagement，2007，21（1）：129-148.

[15]WANGHH，ZHANGJR，ZENGWH.IntelligentsimulationofaquaticenvironmenteconomicpolicycoupledABMandSDmodels[J].Scienceofthetotalenvironment，2017，618：1160-1172.

[16]張家瑞，王慧慧，曾維華.基于ABM+SD耦合模型的滇池流域水價政策仿真[J].中國環境科學，2017，37（10）：3991-4000.

[17]LIANGHK，LINKY，ZHANGSJ.Understandingthesocialcontagioneffectofsafetyviolationswithinaconstructioncrew：ahybridapproachusingsystemdynamicsandagent-basedmodeling[J].Internationaljournalofenvironmentalresearchandpublichealth，2018，15（12）：2696.

[18]HURLIMANNA，DOLNICARS.Publicacceptanceandperceptionsofalternativewatersources：acomparativestudyinninelocations[J].Internationaljournalofwaterresourcesdevelopment，2016，32（4）：630-673.

[19]FUHL，MANOGARANG，WUK，etal.Intelligentdecision-makingofonlineshoppingbehaviorbasedoninternetofthings[J].Internationaljournalofinformationmanagement，2020，50：515-525.

[20]BAUMANNDD，KASPERSONRE.Publicacceptanceofrenovatedwastewater：mythandreality[J].Waterresourcesresearch，1974，10（4）：667-674.

[21]CHENWP，BAIYY，ZHANGWL，etal.Perceptionsofdifferentstakeholdersonreclaimedwaterreuse：thecaseofBeijing，China[J].Sustainability，2015，7（7）：9696-9710.

[22]KREJCIERV，MORGANDW.Determiningsamplesizeforresearchactivities[J].Educationalandpsychologicalmeasurement，1970，30（3）：607-610.

[23]葉君，黃明健.新形勢下公眾參與生態文明建設法制保障研究[J].貴州大學學報（社會科學版），2016，34（4）：96-101.

[24]劉華軍，劉傳明.環境污染空間溢出的網絡結構及其解釋：基于1997—2013年中國省際數據的經驗考察[J].經濟與管理評論，2017（1）：57-64.

[25]沈超紅，胡安.共享經濟背景下政府規制與供給意愿關系研究[J].經濟與管理評論，2018（6）：47-59.

[26]PUSAKSRIKITT，KANGJ.Theimpactofself-construalandethnicityonself-giftingbehaviors[J].Journalofconsumerpsychology，2016，26（4）：524-534.

[27]ROZINP，HADDADB，NEMEROFFC，etal.Psychologicalaspectsoftherejectionofrecycledwater：contamination，purificationanddisgust[J].Judgment&decisionmaking，2015，10（1）：50-63.

[28]宋妍，張明.公眾認知與環境治理：中國實現綠色發展的路徑探析[J].中國人口·資源與環境，2018，28（8）：161-168.

Intelligentsimulationofbehavioralguidingpolicyonrecycledwaterreuse

DINGChao1FUHanliang2HEYuqi2WANGZhenhua1WUSimei3WANGMengmeng2

（1.SchoolofCivilEngineering，InnerMongoliaUniversityofScienceandTechnology，BaotouInnerMongolia014010，China;2.SchoolofManagement，XianUniversityofArchitectureandTechnology，XianShaanxi710055，China;3.SchoolofCivilEngineering，XianUniversityofArchitectureandTechnology，XianShaanxi710055，China）

AbstractThereuseofrecycledwaterisofgreatsignificanceforincreasingthesupplyofwaterresourcesandalleviatingthepollutionofthewaterenvironment.However，thepublicsrejectionofrecycledwaterhasnegativeinfluencesonthepromotionofrecycledwaterreuse.Inordertosolvethisproblem，thisstudytookthebehaviorguidingpolicyofrecycledwaterreuseastheresearchobject.Therelatedself-constructionindex，whichmeasurestheinteractionbetweenindividualsandgroups，wasselectedasthedesignbasisofdifferentindividualinteractionrules.Onthisbasis，theagent-basedmodel（ABM）wasconstructedtosimulatetheeffectofdifferentpolicies.Firstly，aquestionnairesurveywascarriedoutinthearidareaofNorthwestChina，andtheartificialneuralnetworkmodelofindividualdecision-makingwastrainedonthebasisofthefirst-handdataobtained.ByembeddingtheneuralnetworkmodelintotheABMmodel，theindividualsdecision-makinginthesimulationprocesswasrealized.Theresultsshowedthat：①Thedemonstrationguidingpolicyhadagoodeffectonallkindsofrecycledwaterreusebehaviors.②Atthesametime，theeffectofenvironmentalmotivationstimulatingpolicyandknowledgepopularizationpolicycouldbeenhancedorweakenedwiththeincreaseofhumancontactdegreeofrecycledwaterreusebehavior.Theenvironmentalmotivationstimulatingpolicyhadasubstantialimpactontherecycledwaterreuseswithahighcontactdegree.③Theknowledgepopularizationpolicyhadagoodeffectonthereusebehaviorofrecycledwaterwithlowhumancontact，butitevenharmedthereusebehaviorofrecycledwaterwithhighcontact.Accordingtotheresearchconclusion，thefollowingpolicyrecommendationsareputforward：Whenapromotionpolicyofrecycledwaterreuseismade，attentionshouldbepaidtodistinguishingdifferenttypesofrecycledwaterreusebehaviorandappropriateguidingpoliciesshouldbechosen.Asthedemonstrationguidingpolicyhasanexcellentguidingeffectonalltypesofrecycledwaterreusebehaviors，itisnecessarytostrengthentheconstructionofthedemonstrationprojectofrecycledwaterreuse.Forthecategoryofrecycledwaterreusewithhighhumancontact，attentionshouldbepaidtothepublicityofitsenvironmentalprotectionattributetostimulatethepublismotivationforenvironmentalprotection.Asforthecategoryofrecycledwaterwithalowhumancontactdegree，attentionshouldbepaidtothedispellingofthepublicsmisgivingsbystrengtheningthepopularizationofrelevantknowledge.

Keywordsrecycledwaterreuse;publicacceptance;behavioralguidingpolicy;backpropagationneuralnetwork;agent-basedmodel

（責任編輯：于杰）