珠江三角洲地区用水量影响要素及其关联规则

摘要

区域用水量影响要素及其关联规则识别对于合理预测用水需求和优化配置水资源具有重要意义。本文基于珠三角地区历年水资源开发利用数据和经济社会发展统计数据，利用随机森林（RF,random forest）和人工神经网络（ANN,artificial neural network）两种机器学习模型，并综合采用SHAP(shapley additive explanations)和部分依赖图（PDP,partial dependence plots）方法，系统识别了珠三角地区用水量影响要素及其与用水量的关联规则，揭示了各影响要素贡献度的时空变化特征。结果表明：用水量影响要素按重要度排序依次是GDP、人口规模、耕地面积、人均水资源量、农田实灌单位面积平均用水量、城镇人均生活用水量；ANN模型和RF模型决定系数平均值分别在0.94和0.92以上；用水量影响要素空间上呈现中心城市以人口为主导、周边地区以耕地面积为主导的特点；珠三角地区用水量对于人口规模和耕地面积变化的响应最为明显。研究可为珠三角地区未来用水需求预测以及水资源空间均衡配置提供科学依据与技术支撑。

关键词

人工神经网络 / 随机森林 / 用水量 / SHAP方法 / PDP