節(jié)水潛力預(yù)測(cè)研究綜述

劉 凡，李逸云，李澤文，毛鶯池

(1.河海大學(xué)計(jì)算機(jī)與信息學(xué)院，江蘇 南京 211100；2.南通河海大學(xué)海洋與近海工程研究院，江蘇 南通 226300)

水是國家工業(yè)和農(nóng)業(yè)發(fā)展的命脈，也是城市形成和發(fā)展的重要因素。近些年，由于城市化和工業(yè)化推進(jìn)，我國水資源短缺的問題愈加嚴(yán)峻，引進(jìn)新技術(shù)，充分挖掘各領(lǐng)域節(jié)水潛力，改善各領(lǐng)域節(jié)水措施，是以有限水資源實(shí)現(xiàn)可持續(xù)發(fā)展的根本出路。節(jié)水潛力分析是指基于研究區(qū)域用水現(xiàn)狀，通過采取各種節(jié)水措施來挖掘該區(qū)域的最大節(jié)水量。若要實(shí)現(xiàn)精確分析，必須先選取最佳的預(yù)測(cè)方法對(duì)該地區(qū)進(jìn)行節(jié)水潛力預(yù)測(cè)[1]，了解該地區(qū)未來的用水規(guī)模和趨勢(shì)，從而指導(dǎo)該地區(qū)供水設(shè)施的建設(shè)和供水系統(tǒng)的優(yōu)化調(diào)整，有效應(yīng)對(duì)潛在的用水危機(jī)。

目前國內(nèi)外針對(duì)節(jié)水潛力預(yù)測(cè)的研究方法很多，包括傳統(tǒng)的基于公式模型的節(jié)水潛力預(yù)測(cè)，也有引入新型技術(shù)的基于機(jī)器學(xué)習(xí)的節(jié)水潛力預(yù)測(cè)，但每種方法均有其特定的應(yīng)用領(lǐng)域和優(yōu)缺點(diǎn)。筆者通過梳理對(duì)比各個(gè)模型，幫助從業(yè)人員針對(duì)問題更快速地進(jìn)行模型優(yōu)選，從而獲得優(yōu)良的預(yù)測(cè)結(jié)果，實(shí)現(xiàn)節(jié)水潛力最大化。同時(shí)，筆者還總結(jié)分析了節(jié)水潛力的發(fā)展趨勢(shì)，展望了未來深度學(xué)習(xí)、大數(shù)據(jù)等新技術(shù)在節(jié)水潛力預(yù)測(cè)研究領(lǐng)域的應(yīng)用前景。

1 節(jié)水潛力預(yù)測(cè)的研究現(xiàn)狀

節(jié)水潛力預(yù)測(cè)主要針對(duì)工業(yè)用水、農(nóng)業(yè)用水、城鎮(zhèn)生活用水3個(gè)領(lǐng)域，除了單一領(lǐng)域的節(jié)水潛力預(yù)測(cè)，還有一些方法同時(shí)在多個(gè)領(lǐng)域得到實(shí)踐。根據(jù)《全國水資源規(guī)劃大綱》對(duì)節(jié)水潛力的釋義，目前主要是通過綜合分析各行業(yè)的用水水平現(xiàn)狀、用水實(shí)物指標(biāo)和節(jié)水指標(biāo)實(shí)現(xiàn)對(duì)節(jié)水潛力的估算預(yù)測(cè)。根據(jù)對(duì)預(yù)測(cè)準(zhǔn)確性要求的不同，傳統(tǒng)的節(jié)水潛力預(yù)測(cè)分為定量計(jì)算和定性分析兩種方式。定性分析是基于長期實(shí)踐經(jīng)驗(yàn)定性總結(jié)出預(yù)測(cè)結(jié)果，沒有明確的測(cè)試或?qū)嵺`數(shù)據(jù)作為支撐，不具備很強(qiáng)的說服力。而定量計(jì)算則主要基于某種公式模型，實(shí)現(xiàn)對(duì)某行業(yè)或某地區(qū)節(jié)水現(xiàn)狀的擬合，從而估算預(yù)測(cè)節(jié)水潛力。此外，水利部也分別提出了兩種適用于多領(lǐng)域的節(jié)水潛力預(yù)測(cè)公式：水資源管理司公式和全國水資源綜合規(guī)劃公式[2]。隨著當(dāng)代計(jì)算機(jī)技術(shù)的發(fā)展，早期機(jī)器學(xué)習(xí)算法被應(yīng)用到預(yù)測(cè)領(lǐng)域，使預(yù)測(cè)模型可以隨著實(shí)驗(yàn)數(shù)據(jù)的增加獲得越來越準(zhǔn)確的預(yù)測(cè)結(jié)果。

1.1 工業(yè)節(jié)水潛力預(yù)測(cè)

工業(yè)節(jié)水潛力是綜合現(xiàn)有水平年工業(yè)萬元產(chǎn)值和規(guī)劃水平年預(yù)計(jì)工業(yè)萬元產(chǎn)值分別對(duì)應(yīng)的用水總量計(jì)算出的節(jié)水量。根據(jù)節(jié)水目的、節(jié)水措施的不同，分為計(jì)劃節(jié)水、工程節(jié)水、措施節(jié)水和資源節(jié)水。西方國家近年來將工業(yè)節(jié)水潛力預(yù)測(cè)和未來政策或創(chuàng)新趨勢(shì)結(jié)合起來，如考慮到針對(duì)能源投入替代品、零部件回收等進(jìn)行研究的生態(tài)創(chuàng)新，Levidow等[3]將生態(tài)創(chuàng)新帶來的經(jīng)濟(jì)優(yōu)勢(shì)和減少的生態(tài)資源負(fù)擔(dān)相結(jié)合，分析大型制造公司生態(tài)創(chuàng)新的驅(qū)動(dòng)因素，以及創(chuàng)新帶來的節(jié)水和減輕水污染的效益和前景。在技術(shù)管理層面，Mortier等[4]通過對(duì)工藝用水、環(huán)保用水和冷卻水等多環(huán)節(jié)的分析，為鋼鐵制造領(lǐng)域工業(yè)用水的可持續(xù)利用管理模式提供理論依據(jù)。Demin[5]基于對(duì)蘇聯(lián)20世紀(jì)70年代至世紀(jì)末的用水?dāng)?shù)據(jù)的分析，提出工業(yè)水資源可持續(xù)發(fā)展的相關(guān)理論。Komatsu等[6]對(duì)水資源管理升級(jí)對(duì)水資源循環(huán)利用的影響進(jìn)行了研究。Cornwell等[7]對(duì)工廠廢水再次利用的環(huán)節(jié)進(jìn)行了可行性分析。

我國《城市與工業(yè)節(jié)約用水手冊(cè)》中介紹的對(duì)照比較分析法、節(jié)水途徑分析法、單位產(chǎn)品分析法[8]通過不同角度實(shí)現(xiàn)節(jié)水潛力預(yù)測(cè)，但都限于現(xiàn)有工業(yè)，而節(jié)水潛力預(yù)測(cè)是面向未來的，同時(shí)包含現(xiàn)有工業(yè)(存量節(jié)水)和未來新興工業(yè)(增量節(jié)水)，綜合分析存量節(jié)水和增量節(jié)水才能實(shí)現(xiàn)更準(zhǔn)確的預(yù)測(cè)。對(duì)存量節(jié)水和增量節(jié)水同時(shí)考量，鄭在洲等[9]運(yùn)用定額需求計(jì)算法、用給排分別計(jì)算法，以黃淮海流域?yàn)檠芯繉?shí)例，建立節(jié)水潛力預(yù)測(cè)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(yè)節(jié)水驅(qū)動(dòng)機(jī)制經(jīng)濟(jì)效應(yīng)可行性的相關(guān)論證分析。戴鐵軍等[12]結(jié)合我國主要工業(yè)生產(chǎn)和用水特點(diǎn)，提出“自頂向下”以加大政策執(zhí)行力和轉(zhuǎn)變工業(yè)節(jié)水編制。

1.2 農(nóng)業(yè)節(jié)水潛力預(yù)測(cè)

農(nóng)業(yè)節(jié)水潛力主要以提高灌溉用水標(biāo)準(zhǔn)為目的，綜合節(jié)水成本投入和節(jié)水措施落實(shí)預(yù)計(jì)減少的用水量和耗水量[13]，主要體現(xiàn)為當(dāng)前用水量與未來采取相關(guān)節(jié)水措施后的預(yù)計(jì)用水量之間的差值[14]。國外還有很多機(jī)構(gòu)將某一客觀因素和農(nóng)業(yè)用水、節(jié)水情況結(jié)合進(jìn)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(nóng)業(yè)灌溉水供應(yīng)的制約因素和潛力，比較了10個(gè)全球水文模型和6個(gè)全球網(wǎng)格作物模型的供需水預(yù)測(cè)情況。聚焦歐洲氣候變化下農(nóng)業(yè)用水管理適應(yīng)戰(zhàn)略，Iglesias等[16]將氣候變化影響與歐洲地區(qū)適應(yīng)戰(zhàn)略的發(fā)展聯(lián)系起來，分析兩者對(duì)農(nóng)業(yè)用水管理的潛在影響，制定應(yīng)對(duì)措施，降低農(nóng)業(yè)部門對(duì)氣候變化的脆弱性。此外，還有一些學(xué)者研究了節(jié)水設(shè)施、材料對(duì)節(jié)水潛力的影響，如為了評(píng)估雨水箱的節(jié)水和保水效率，從而得出適當(dāng)?shù)臅r(shí)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(píng)估雨水收集(RWH)水箱的節(jié)水和雨水保留效益。Adhikari等[18]對(duì)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(duì)農(nóng)業(yè)用水效益的影響。Abidin等[19]使用模糊專家系統(tǒng)確定最佳供水深度，使用纖維-毛細(xì)管灌溉系統(tǒng)建立實(shí)驗(yàn)裝置，驗(yàn)證了水和能量控制模型作為纖維毛管灌溉系統(tǒng)灌溉調(diào)度指標(biāo)的可行性。針對(duì)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(shí)節(jié)水量等概念。

國內(nèi)的農(nóng)業(yè)節(jié)水潛力研究沒有統(tǒng)一方法，各地各部門根據(jù)當(dāng)前用水主體和環(huán)境的不同，建立相應(yīng)的模型進(jìn)行研究，但有時(shí)會(huì)出現(xiàn)重用、改善相似模型的情況。如同時(shí)考慮規(guī)劃年節(jié)水水平和糧食需求量的增加，張艷妮[21]提出了相對(duì)節(jié)水潛力的概念以及相對(duì)節(jié)水潛力預(yù)測(cè)方法。劉建剛等[22]以水資源相對(duì)短缺的徒駭馬頰河流域?yàn)檠芯繉?duì)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(nóng)業(yè)節(jié)水潛力預(yù)測(cè)方法。張霞等[23]以寧蒙引黃灌區(qū)為研究對(duì)象，提出分項(xiàng)計(jì)算法和綜合計(jì)算法相結(jié)合的田間節(jié)水潛力預(yù)測(cè)的計(jì)算和驗(yàn)證。高傳昌等[24]依據(jù)此方法對(duì)河南省中牟縣楊橋灌區(qū)進(jìn)行了節(jié)水潛力計(jì)算分析，但該方法僅計(jì)算了管理方面節(jié)水潛力，卻忽略了農(nóng)藝節(jié)水或其他節(jié)水的影響。馬立輝[25]在對(duì)河北省農(nóng)業(yè)節(jié)水潛力預(yù)測(cè)研究過程中，解決了這一問題，將節(jié)水潛力劃分為狹義和廣義兩種，綜合計(jì)算得到更為全面的節(jié)水潛力預(yù)測(cè)結(jié)果。羅樹江[26]在對(duì)黑龍江灌溉節(jié)水潛力研究的過程中，提出在農(nóng)業(yè)措施一致的前提下，分析和預(yù)測(cè)農(nóng)業(yè)節(jié)水潛力，應(yīng)考慮重復(fù)利用水的問題。按照這一計(jì)算資源型節(jié)水量的思路，排除重新利用的回歸水重復(fù)算入節(jié)水潛力的影響。崔遠(yuǎn)來等[27]實(shí)現(xiàn)了不同環(huán)節(jié)灌溉節(jié)水潛力分析，尹劍等[28]以關(guān)中地區(qū)典型作物為主體進(jìn)行了節(jié)水潛力研究。

1.3 城鎮(zhèn)生活節(jié)水潛力預(yù)測(cè)

城鎮(zhèn)生活節(jié)水潛力預(yù)測(cè)受到城鎮(zhèn)人口、風(fēng)土習(xí)俗、基礎(chǔ)建設(shè)、經(jīng)濟(jì)規(guī)劃以及自然條件等因素的多重影響，可以分行業(yè)進(jìn)行分別預(yù)測(cè)再進(jìn)行匯總，也可以進(jìn)行簡單總體預(yù)測(cè)。在國外，針對(duì)城市用水需求，Ahmad等[29]為南佛羅里達(dá)州開發(fā)了一個(gè)動(dòng)態(tài)模擬模型，以捕捉城市用水需求和節(jié)水潛力之間的相互關(guān)系。Rysulova等[30]設(shè)計(jì)SMART應(yīng)用實(shí)現(xiàn)確切節(jié)水測(cè)定，重點(diǎn)關(guān)注家庭住宅用水量和可能節(jié)水量。為在保證節(jié)水有效性的同時(shí)降低節(jié)水成本，Karause等[31]通過對(duì)社會(huì)、政策和經(jīng)濟(jì)等不同領(lǐng)域的探討，研究在最低經(jīng)濟(jì)和福利成本前提下的節(jié)水措施和策略，希望通過灰水、雨水重復(fù)循環(huán)使用，提高沖洗水節(jié)水量。Liu等[32]采用家庭水循環(huán)模型，分析了灰水循環(huán)儲(chǔ)存停留時(shí)間對(duì)人工濕地灰水回用系統(tǒng)節(jié)水潛力的影響。Osais等[33]針對(duì)典型的家庭供水網(wǎng)絡(luò)，引入新組件后箱實(shí)現(xiàn)冷熱水逆管路壓力循環(huán)，有效節(jié)約管道廢水。通過利用單片機(jī)和模糊邏輯算法，Mantoro等[34]實(shí)現(xiàn)對(duì)家庭用水中水位的實(shí)時(shí)監(jiān)控，以達(dá)到節(jié)水目的。

國內(nèi)城鎮(zhèn)節(jié)水潛力預(yù)測(cè)模型多綜合考慮各領(lǐng)域各環(huán)節(jié)用水，高鵬[35]根據(jù)綜合、生產(chǎn)、生活、生態(tài)四大節(jié)水指標(biāo)以及經(jīng)濟(jì)發(fā)展五大指標(biāo)，建立城市節(jié)水水平評(píng)價(jià)體系，通過層次分析法確定各體系指標(biāo)權(quán)重，通過模糊綜合評(píng)價(jià)方法對(duì)城市節(jié)水潛力進(jìn)行評(píng)價(jià)。高傳昌等[36]提出同時(shí)考慮供水、用水、排水和節(jié)水等多指標(biāo)的基于屬性層次模型(AHM)的城市節(jié)水水平綜合評(píng)價(jià)模型，可根據(jù)所研究城市的實(shí)際情況進(jìn)行指標(biāo)重要性權(quán)重調(diào)整，得到準(zhǔn)確評(píng)價(jià)。為實(shí)現(xiàn)各地區(qū)水資源平均分配，Su等[37]根據(jù)水生態(tài)足跡的基本原理和計(jì)算模型，分析了2004—2015年北京、上海、天津和重慶的水生態(tài)足跡(WEF)和水生態(tài)承載力(WEC)，建議針對(duì)不同城市水資源規(guī)劃相適應(yīng)的生產(chǎn)結(jié)構(gòu)，改善區(qū)域水不平衡，促進(jìn)全國水資源均衡可持續(xù)發(fā)展。

1.4 基于機(jī)器學(xué)習(xí)的節(jié)水潛力預(yù)測(cè)

傳統(tǒng)的節(jié)水潛力預(yù)測(cè)方法基本上都是基于經(jīng)驗(yàn)形成的公式模型，這類方法經(jīng)過長年的發(fā)展已經(jīng)步入成熟階段，累積了大量實(shí)踐經(jīng)驗(yàn)，各地區(qū)各領(lǐng)域各環(huán)節(jié)都已在多年的小范圍實(shí)踐后，形成了屬于自己的基于某段已知水平年數(shù)據(jù)進(jìn)行短期規(guī)劃年節(jié)水潛力預(yù)測(cè)的方法模型。但這類方法往往具有局限性，難以應(yīng)對(duì)復(fù)雜系統(tǒng)，難以應(yīng)用于當(dāng)前所服務(wù)對(duì)象之外的用水主體，且數(shù)據(jù)獲取和分析僅依賴于經(jīng)驗(yàn)和人力。近些年，隨著人工智能領(lǐng)域的發(fā)展，機(jī)器學(xué)習(xí)技術(shù)開始在各個(gè)領(lǐng)域得到普及應(yīng)用，并逐漸應(yīng)用于節(jié)水潛力預(yù)測(cè)的研究中。Abdullah等[38]利用極端學(xué)習(xí)機(jī)(ELM)算法精確預(yù)測(cè)農(nóng)業(yè)用水過程中的蒸散量，而蒸散量的精確估計(jì)正是精確節(jié)水的首要步驟。此外，還有一些方法通過精確預(yù)測(cè)用水量來實(shí)現(xiàn)節(jié)水的預(yù)測(cè)，例如An等[39]提出粗糙集方法精確預(yù)測(cè)短期用水需求，該方法根據(jù)觀察到的數(shù)據(jù)生成預(yù)測(cè)規(guī)則，使用數(shù)據(jù)中固有的統(tǒng)計(jì)信息來處理不完整和模糊的訓(xùn)練樣本，實(shí)驗(yàn)結(jié)果表明，該方法提供的信息比通過人類專家獲取知識(shí)獲得的信息更精確。同樣，為實(shí)現(xiàn)精確短期用水需求預(yù)測(cè)，Adamowski等[40]提出并測(cè)試了一種基于離散小波變換和人工神經(jīng)網(wǎng)絡(luò)耦合的城市水需求預(yù)測(cè)應(yīng)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(dòng)平均線模型進(jìn)行對(duì)比。Cahill等[41]基于蒙特卡羅方法對(duì)家庭用水與節(jié)水模型進(jìn)行研究，使用蒙特卡羅抽樣產(chǎn)生的末端用水參數(shù)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(duì)水需求的了解，并估算節(jié)水計(jì)劃的成本效益。Dixon等[42]通過使用降雨時(shí)間序列連同蒙特卡羅模擬技術(shù)生成的家用水設(shè)備使用情況估計(jì)，以預(yù)測(cè)家用水重復(fù)利用系統(tǒng)的節(jié)水潛力。

在國內(nèi)，劉煒偉等[43-44]以BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)為基礎(chǔ)提出了基于Elman神經(jīng)網(wǎng)絡(luò)的工業(yè)節(jié)水潛力預(yù)測(cè)方法；周振民等[45]提出基于灰色系統(tǒng)理論的農(nóng)業(yè)節(jié)水潛力估算方法對(duì)人民勝利渠灌區(qū)的水資源供需平衡問題進(jìn)行探討；雷貴榮等[46]提出基于隨機(jī)前沿函數(shù)(SFA)的節(jié)水潛力預(yù)測(cè)方法，從投入產(chǎn)出角度研究徐州市各區(qū)域農(nóng)業(yè)節(jié)水潛力；陳建耀等[47]提出了基于線性擬合的節(jié)水潛力預(yù)測(cè)方法，以一段時(shí)間內(nèi)的城市規(guī)模(城市非農(nóng)業(yè)人口總數(shù))、城市性質(zhì)(第三產(chǎn)業(yè)人口占城市非農(nóng)業(yè)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(zhǔn)的數(shù)據(jù)作為擬定額，基于此方案的節(jié)水潛力預(yù)測(cè)量就是實(shí)際生活用水量減去擬定額[35]。金笙等[48]通過時(shí)間序列模型預(yù)測(cè)北京市未來幾年草坪面積變化趨勢(shì)，進(jìn)而計(jì)算不同草種的節(jié)水潛力。為實(shí)現(xiàn)多元預(yù)測(cè)，姚鑫[49]提出了基于MATLAB的水資源預(yù)測(cè)分析理論，將Logistic人口預(yù)測(cè)模型、灰色理論、神經(jīng)網(wǎng)絡(luò)模型以及回歸分析與曲線擬合等因素分別分析、綜合計(jì)算，對(duì)華北各省市的節(jié)水潛力進(jìn)行預(yù)測(cè)。

1.5 對(duì)比分析

不同的節(jié)水潛力預(yù)測(cè)方法，預(yù)測(cè)的精確性和可操作性不盡相同。表1對(duì)基于公式模型的節(jié)水潛力預(yù)測(cè)與基于機(jī)器學(xué)習(xí)的節(jié)水潛力預(yù)測(cè)從數(shù)據(jù)收集、普及范圍、可操作性以及精確性等方面進(jìn)行了對(duì)比。

基于公式模型的節(jié)水潛力預(yù)測(cè)方法泛指傳統(tǒng)的經(jīng)驗(yàn)公式方法，收集數(shù)據(jù)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(yù)測(cè)方法中，最為廣泛認(rèn)可和使用的是水利部分別提出的兩種適用于多領(lǐng)域的節(jié)水潛力預(yù)測(cè)公式：水資源管理司公式和全國水資源綜合規(guī)劃公式[2]。水利部水資源管理司提出的節(jié)水潛力計(jì)算公式中，工業(yè)節(jié)水潛力預(yù)測(cè)是在實(shí)現(xiàn)工業(yè)結(jié)構(gòu)、節(jié)水技術(shù)、節(jié)水意識(shí)優(yōu)化后的節(jié)水量；農(nóng)業(yè)節(jié)水潛力預(yù)測(cè)主要針對(duì)灌溉節(jié)水；城鎮(zhèn)生活節(jié)水預(yù)測(cè)主要考慮管網(wǎng)漏失率和節(jié)水器具普及率。全國水資源綜合規(guī)劃公式由水利部海河水利委員會(huì)提出，又稱海委計(jì)算公式，工業(yè)節(jié)水預(yù)測(cè)充分考慮非自備水源工業(yè)取水量、供水管網(wǎng)綜合漏失率以及工業(yè)用水重復(fù)利用率因素；農(nóng)業(yè)節(jié)水預(yù)測(cè)主要考慮灌溉水有效利用系數(shù)；城鎮(zhèn)生活節(jié)水預(yù)測(cè)僅考慮供水管網(wǎng)綜合漏失率。水利部水資源管理司計(jì)算公式綜合考慮工程、工藝和管理節(jié)水3個(gè)方面，而全國水資源綜合規(guī)劃公式的計(jì)算結(jié)果主要來自工程節(jié)水措施，因此水利部水資源管理司節(jié)水潛力計(jì)算模型較優(yōu)于全國水資源綜合規(guī)劃公式。此外，大多數(shù)小范圍使用的公式模型一般僅對(duì)工農(nóng)業(yè)、生活節(jié)水其中一個(gè)方面進(jìn)行探討。該類方法節(jié)水潛力預(yù)測(cè)指標(biāo)參數(shù)相對(duì)較少，只能粗略計(jì)算某地區(qū)的節(jié)水潛力，且不太適應(yīng)變化環(huán)境中實(shí)時(shí)數(shù)據(jù)監(jiān)測(cè)、分析和節(jié)水策略調(diào)整。基于機(jī)器學(xué)習(xí)的節(jié)水潛力預(yù)測(cè)方法收集的數(shù)據(jù)種類和數(shù)量均相對(duì)較多，利用人工智能設(shè)備實(shí)地勘測(cè)和大數(shù)據(jù)分析提煉出影響因素，構(gòu)造預(yù)測(cè)模型，通過機(jī)器學(xué)習(xí)，對(duì)模型加以訓(xùn)練和測(cè)試，最終獲得合適的模型參數(shù)。使用這種方法，需要收集大量數(shù)據(jù)，比較繁瑣，但是構(gòu)造出的預(yù)測(cè)模型使用范圍廣，精確度高。

表1 節(jié)水潛力預(yù)測(cè)方法對(duì)比

2 節(jié)水潛力預(yù)測(cè)的發(fā)展趨勢(shì)

2.1 基于深度學(xué)習(xí)的節(jié)水潛力預(yù)測(cè)

機(jī)器學(xué)習(xí)方法越來越多地被應(yīng)用于節(jié)水潛力預(yù)測(cè)中，傳統(tǒng)機(jī)器學(xué)習(xí)模型的構(gòu)建過程中最重要的環(huán)節(jié)之一是特征設(shè)計(jì)，特征選取是否準(zhǔn)確將直接關(guān)系到學(xué)習(xí)模型的好壞。但是傳統(tǒng)的機(jī)器學(xué)習(xí)方法中重要的特征設(shè)計(jì)環(huán)節(jié)一般由人工完成?，F(xiàn)實(shí)中，節(jié)水潛力預(yù)測(cè)是一個(gè)復(fù)雜的非線性問題，難以通過人工經(jīng)驗(yàn)實(shí)現(xiàn)準(zhǔn)確有效的特征選取，人工設(shè)計(jì)的特征往往受經(jīng)驗(yàn)的不確定性影響，不具備普適性。并且，基于傳統(tǒng)機(jī)器學(xué)習(xí)方法的節(jié)水潛力預(yù)測(cè)算法大多都是淺層結(jié)構(gòu)，如支持向量機(jī)(SVM)可以認(rèn)為是帶有一個(gè)隱含層的結(jié)構(gòu)，而線性回歸和邏輯回歸等根本不包含隱含層。當(dāng)某一用水主體所處的環(huán)境十分復(fù)雜，需要考慮非常多因素時(shí)，這種淺層結(jié)構(gòu)的機(jī)器學(xué)習(xí)算法學(xué)習(xí)到的規(guī)律有限，對(duì)復(fù)雜函數(shù)的表達(dá)能力有限，從而致使算法泛化能力不夠強(qiáng)，預(yù)測(cè)效果不夠理想。例如，在前文介紹的基于Elman神經(jīng)網(wǎng)絡(luò)的節(jié)水潛力預(yù)測(cè)[43-44]，由于其網(wǎng)絡(luò)結(jié)構(gòu)僅為3層，在針對(duì)復(fù)雜非線性問題時(shí)預(yù)測(cè)能力會(huì)受到限制。為突破這一制約，有必要引入具有特征自學(xué)習(xí)屬性的深度學(xué)習(xí)技術(shù)構(gòu)造模型，將簡單的神經(jīng)網(wǎng)絡(luò)替換為深度學(xué)習(xí)理論中的多層網(wǎng)絡(luò)結(jié)構(gòu)，通過多隱層的堆疊學(xué)習(xí)數(shù)據(jù)之間的深層次非線性關(guān)系，實(shí)現(xiàn)對(duì)實(shí)際預(yù)測(cè)中復(fù)雜因素的更好控制，分層傳遞、逐步抽象，最終清晰表達(dá)原始數(shù)據(jù)的本質(zhì)，從而獲得更精確的預(yù)測(cè)結(jié)果。利用深度學(xué)習(xí)模型進(jìn)行節(jié)水潛力預(yù)測(cè)的主要過程如圖1所示。

圖1 基于深度學(xué)習(xí)的節(jié)水潛力預(yù)測(cè)流程

2.2 基于大數(shù)據(jù)的節(jié)水潛力預(yù)測(cè)

節(jié)水潛力預(yù)測(cè)的研究歷經(jīng)幾十年，已經(jīng)累積大量數(shù)據(jù)，但預(yù)測(cè)過程中數(shù)據(jù)的獲取、整理和分析途徑卻大多限于小規(guī)模數(shù)據(jù)和人工分析，需要引入大數(shù)據(jù)技術(shù)實(shí)現(xiàn)海量數(shù)據(jù)高效分析，使預(yù)測(cè)模型具有更強(qiáng)的決策力、洞察力和流程優(yōu)化能力，獲得更加精準(zhǔn)的預(yù)測(cè)結(jié)果。如彭致功等[13]利用遙感蒸發(fā)量(ET)數(shù)據(jù)開展節(jié)水潛力的研究，提出基于遙感(RS)數(shù)據(jù)和地理信息系統(tǒng)(GIS)方法估算區(qū)域作物節(jié)水潛力。在ET定額計(jì)算理論基礎(chǔ)的研究過程中，發(fā)現(xiàn)遙感數(shù)據(jù)精度有待提高，不得不選用同期作物需水量對(duì)計(jì)算得到的作物ET定額加以修訂；此外，研究范圍內(nèi)一種典型作物的像元數(shù)就已經(jīng)達(dá)到上萬數(shù)量級(jí)，如果直接使用全部像元數(shù)擬合水分生產(chǎn)函數(shù)，數(shù)據(jù)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(jìn)行組合、求均值后，再進(jìn)行函數(shù)擬合。該種情況下，若引入遙感大數(shù)據(jù)技術(shù)對(duì)模型進(jìn)行優(yōu)化，如結(jié)合基于GPU集群的遙感大數(shù)據(jù)處理系統(tǒng)，雖然數(shù)據(jù)處理仍以像素集為主要單位，但卻可以通過光學(xué)影像輻射校正、空中三角測(cè)量等技術(shù)實(shí)現(xiàn)遙感數(shù)據(jù)的預(yù)處理，如果與深度學(xué)習(xí)結(jié)合實(shí)現(xiàn)深層次數(shù)據(jù)挖掘和處理，就能夠以多來源、多介質(zhì)、多頻段、多分辨率的海量遙感數(shù)據(jù)集為直接研究對(duì)象，短時(shí)間內(nèi)實(shí)現(xiàn)更精確的預(yù)測(cè)分析。

實(shí)際上，在節(jié)水潛力預(yù)測(cè)的過程中，我們依據(jù)的數(shù)據(jù)往往不限于遙感數(shù)據(jù)，節(jié)水?dāng)?shù)據(jù)資源涉及水務(wù)管理的各個(gè)方面，內(nèi)部結(jié)構(gòu)復(fù)雜，包括節(jié)水綜合庫、數(shù)據(jù)倉庫、元數(shù)據(jù)庫等數(shù)據(jù)。此外，還包括大量來自互聯(lián)網(wǎng)的數(shù)據(jù)。因此，節(jié)水大數(shù)據(jù)存在涉及范圍廣，時(shí)間跨度長，時(shí)序數(shù)據(jù)多維性、影響因素多等特征，導(dǎo)致數(shù)據(jù)冗雜，數(shù)據(jù)處理和信息挖掘困難，進(jìn)而為基于大數(shù)據(jù)的節(jié)水潛力預(yù)測(cè)帶來挑戰(zhàn)。因此在對(duì)數(shù)據(jù)進(jìn)行分析應(yīng)用之前必須對(duì)數(shù)據(jù)進(jìn)行清理，保證數(shù)據(jù)的準(zhǔn)確性與有效性。另外，由于與節(jié)水相關(guān)的經(jīng)濟(jì)社會(huì)大數(shù)據(jù)應(yīng)用面非常廣，用戶對(duì)數(shù)據(jù)的理解參差不齊，再加上數(shù)據(jù)類型多樣，若數(shù)據(jù)未經(jīng)規(guī)范化語義描述直接用于提供服務(wù)，將難以滿足用戶的需求。因此，基于大數(shù)據(jù)的節(jié)水潛力預(yù)測(cè)首先要解決數(shù)據(jù)的清洗問題，進(jìn)而實(shí)現(xiàn)異構(gòu)數(shù)據(jù)的不同粒度、不同層面的協(xié)同統(tǒng)一表示。數(shù)據(jù)清洗流程包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析、數(shù)據(jù)清洗規(guī)則制定、清洗稽查，最終經(jīng)過清洗分析不斷完善知識(shí)庫。其次，考慮到節(jié)水潛力預(yù)測(cè)面臨的是多種類型、多種來源、不同時(shí)間和不同特征的節(jié)水大數(shù)據(jù)，因此還需要解決天、空、地全方位立體節(jié)水大數(shù)據(jù)的融合同化問題，并結(jié)合大數(shù)據(jù)挖掘技術(shù)，挖掘數(shù)據(jù)中的關(guān)聯(lián)關(guān)系。

2.3 基于互聯(lián)網(wǎng)的節(jié)水潛力預(yù)測(cè)

傳統(tǒng)意義上，節(jié)水潛力預(yù)測(cè)所依托的數(shù)據(jù)包括由監(jiān)控系統(tǒng)、各類傳感器獲得的水務(wù)基礎(chǔ)信息數(shù)據(jù)、空間數(shù)據(jù)和共享數(shù)據(jù)，這類數(shù)據(jù)獲取時(shí)延大、分辨率低、不確定性高。因此應(yīng)考慮引入水利新聞、媒體報(bào)告、媒體社會(huì)監(jiān)控?cái)?shù)據(jù)等互聯(lián)網(wǎng)多源數(shù)據(jù)，通過邊界條件進(jìn)行大數(shù)據(jù)初步分類，降低數(shù)據(jù)量級(jí)；通過自動(dòng)文本聚合、摘要和排序進(jìn)行數(shù)據(jù)清洗、關(guān)鍵詞提取，以提高節(jié)水潛力預(yù)測(cè)系統(tǒng)的預(yù)測(cè)能力和應(yīng)急能力。結(jié)合互聯(lián)網(wǎng)+背景，應(yīng)將互聯(lián)網(wǎng)多源數(shù)據(jù)獲取、大數(shù)據(jù)處理和基于深度學(xué)習(xí)的預(yù)測(cè)技術(shù)結(jié)合，形成數(shù)據(jù)獲取、處理、預(yù)測(cè)的閉環(huán)。同時(shí)，面向公眾關(guān)心的節(jié)水熱點(diǎn)問題，研究節(jié)水水務(wù)社會(huì)化服務(wù)數(shù)據(jù)的收集、處理、預(yù)測(cè)、發(fā)布“一體化”模式。

通過互聯(lián)網(wǎng)實(shí)現(xiàn)多源數(shù)據(jù)獲取后，還需構(gòu)建如圖2所示的應(yīng)用架構(gòu)，實(shí)現(xiàn)底層數(shù)據(jù)監(jiān)測(cè)和節(jié)水潛力預(yù)測(cè)模型的無縫集成，應(yīng)用架構(gòu)由下到上分為數(shù)據(jù)存儲(chǔ)層、服務(wù)層、業(yè)務(wù)應(yīng)用層和交互層。最底層：數(shù)據(jù)存儲(chǔ)層，依據(jù)數(shù)據(jù)來源分為：水務(wù)基礎(chǔ)信息數(shù)據(jù)庫，主要存儲(chǔ)水利相關(guān)部門的監(jiān)測(cè)數(shù)據(jù)；空間數(shù)據(jù)庫，存儲(chǔ)地理、農(nóng)作物等潛在影響節(jié)水潛力的信息；共享數(shù)據(jù)庫，實(shí)現(xiàn)不同平臺(tái)間的數(shù)據(jù)交換與共享功能；互聯(lián)網(wǎng)數(shù)據(jù)庫，是指水利新聞、媒體報(bào)告、媒體社會(huì)監(jiān)控?cái)?shù)據(jù)等互聯(lián)網(wǎng)數(shù)據(jù)。本層實(shí)現(xiàn)數(shù)據(jù)的共享和專題數(shù)據(jù)的管理，與水務(wù)信息資源庫對(duì)接。第二層：服務(wù)層，提供GIS組件、報(bào)表服務(wù)、數(shù)據(jù)交換等功能。第三層：業(yè)務(wù)應(yīng)用層，首先通過大數(shù)據(jù)處理子系統(tǒng)進(jìn)行大數(shù)據(jù)分類，降低數(shù)量級(jí)；通過自動(dòng)文本聚合、摘要和排序進(jìn)行數(shù)據(jù)清洗、關(guān)鍵詞提取。然后將處理過的數(shù)據(jù)輸入節(jié)水潛力預(yù)測(cè)子系統(tǒng)，利用相關(guān)的預(yù)測(cè)模型，例如基于深度學(xué)習(xí)的預(yù)測(cè)模型，進(jìn)行預(yù)測(cè)性計(jì)算并輸出結(jié)果。第四層：交互層，可對(duì)接電腦、平板和手機(jī)客戶端，實(shí)現(xiàn)節(jié)水?dāng)?shù)據(jù)的實(shí)時(shí)發(fā)布，提供統(tǒng)一、友好的展示頁面，同時(shí)具有通知公告、政策法規(guī)等輔助信息發(fā)布功能。

3 結(jié) 語

雖然目前節(jié)水潛力預(yù)測(cè)領(lǐng)域，深度學(xué)習(xí)、大數(shù)據(jù)等新技術(shù)的應(yīng)用仍然處于起步階段，但隨著經(jīng)濟(jì)和科技發(fā)展，基于新型機(jī)器學(xué)習(xí)技術(shù)的節(jié)水潛力預(yù)測(cè)技術(shù)將不斷完善發(fā)展，為節(jié)水潛力預(yù)測(cè)提供可靠的基礎(chǔ)數(shù)據(jù)和技術(shù)保障。未來有望通過大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)實(shí)時(shí)收集各環(huán)節(jié)用水參數(shù)，精確分析各環(huán)節(jié)主要影響參數(shù)，因地制宜建立符合各類用水主體的節(jié)水潛力計(jì)算模型，較準(zhǔn)確地提前預(yù)知某些參數(shù)變更后的節(jié)水量、節(jié)水率，挖掘各類用水主體的節(jié)水環(huán)節(jié)的巨大潛力，實(shí)現(xiàn)精細(xì)化節(jié)水潛力預(yù)測(cè)。同時(shí)，加快完善基于互聯(lián)網(wǎng)的節(jié)水潛力預(yù)測(cè)應(yīng)用，實(shí)現(xiàn)節(jié)水水務(wù)社會(huì)化服務(wù)數(shù)據(jù)的收集、處理、預(yù)測(cè)、發(fā)布“一體化”模式，將使各部門數(shù)據(jù)實(shí)時(shí)共享、預(yù)測(cè)數(shù)據(jù)實(shí)時(shí)更新，人民群眾可以通過各類客戶端實(shí)時(shí)了解節(jié)水?dāng)?shù)據(jù)并進(jìn)行評(píng)價(jià)、反饋，加強(qiáng)對(duì)節(jié)水政策和措施的認(rèn)知，提高節(jié)水意識(shí)。