用水量预测的三种方法
摘要：该文以大连长兴岛临港工业区为例，介绍的三种城市用水量预测的三种方法，三种方法互相验算、互相修正、互相补充，确保预测值准确可靠。
关键词：用水量 预测 指标 用地
根据《大连长兴岛临港工业区总体规划》及《城市给水工程规划规范》（GB50282-98），对大连长兴岛临港工业区需水量可以通过不同方法进行预测。
1 单位人口综合用水量指标法
根据长兴岛地区历年人均综合用水量的情况，并参照同类城市人均用水量指标，确定本区单位人口综合用水指标(如表1)。
2 单位用地面积综合用水量指标法
根据长兴岛地区水资源和大连地区用水情况，确定单位用地面积用水指标(如表2)。
3 分类用水定额指标法
根据《城市给水工程规划规范》及当地的水资源状况，确定用水标准(如表3)。
4 需水量的确定 根据上述3种方法预测长兴岛全区的用水量结果，对此进行比较分析。如表4所示：
从表中数据来看，3种方法的预测结果相差不是很大，第（3）种预测方法在近远期时最接近平均值。规划选取第（3）种预测方法结果作为长兴岛临港工业区用水量。
参考文献
[1] GB50282-98城市给水工程规划规范[S].中国建筑工业出版社,1999.
[2] GB50013-2006室外给水工程设计规范[S].中国计划出版社,2006.
第３３卷第ｌ４期 ・１６４・ ２ ０ ０ ７年５月 山 西 建 筑 ＳＨＡＮＸＩ ＡＲＣＨＩＴＥＣＴＵＲＥ Ｖ０１．３３ ＮＯ．１４ Ｍａｖ． ２００７
文章编号：１００９—６８２５（２００７）１４—０１６４—０２
城市供水水量预测模型研究及案例分析
丁士水
摘要：从分析城市用水量的变化规律着手，给出了城市用水量预测的常用模型，并以此为基础分析了选择用水量预测 模型时所需考虑的影响因素，然后以铜陵市日用水量预测为例，建立了三阶自回归预测模型，最后分析了铜陵节假日用
水量预测模型，为供水系统管理的良好调度提供了数据依据。 关键词：日用水量预测，回归模型，自回归模型
中图分类号：ＴＵ９９１．３ 文献标识码：Ａ
城市用水主要包括生活用水、生产用水、绿化用水以及其他 不可预测水量等几部分，其用水量总在不停地发生着变化。根据
众多的统计研究表明：年用水量变化受气候因素影响比较大，具 有明显的趋势性和随机性；季度用水量明显受春暖、夏热、秋凉和
冬冷等季节气候因素影响，具有显著的季节性；月用水量的影响 因素较多，例如平均气温、节假日量和降水量等，具有平稳性、交 变性和季节性；日用水量的影响因素最多、最复杂，节假日与否、
最高温度、平均温度及天气阴晴状况等都会对日用水量的变化产 生影响；至于时用水量的变化则受居民生活习惯的影响较大，具 有明显的季节性，一天中出现早晨、中午和晚上三个用水高峰，而 其他时段用水的变化不是很明显。根据用水量变化的不同规律， 可选用不同的预测模型。日用水量预测在各类城市用水预测中
具有异常特殊的地位，它不仅能直接指导水厂的生产，更能为水 厂间的优化调度提供可靠的技术支持，故比较准确地进行城市日 用水量预测是非常重要的。
１ 城市用水量预测常用模型
用水量预测在城市规划建设和供水系统管理调度中都具有 举足轻重的作用。常用的用水量预测方法分为两类，即解释性预
测方法和时间序列分析方法。
２日用水量案例分析
［￣］１００６－００２２（２００７）Ｓ０－００４７－０３［￣］ＴＵｇｇ１．３１［文献标识码］Ｂ
城市用水量需求预测研究
口 陈育文，乔珂
［摘 要］城市用水量需求预测常见的方法有经验预测法、统计分析法、规划估算法、灰色预
测法。在规划设计中，应遵循定性与定量分析相结合的原则，综合运用多种方法、多方案进行
比较分析，以便得到较理想、更符合实际的预测结果。灰色预测法可作为一种供推荐运用的城
市用水量需求预测方法。
［关键词］用水量；需求预测；灰色预测法
ＡＳｔｕｄｙｏｎＵｒｂａｎＷａｔｅｒＮｅｅｄｓＰｒｅｄｉｃｔｉ０ｎ／ＣｈｅｎＹｕｗｅｎ，ＱｉａｏＫｅ
ｎ呐由删Ｃｏｍｍｏｎ ｍｅｔｈｏｄｓ ｏｆ ｕｒｂａｎ ｗａｔｅｒ ｎｅｅｄｓ ｐｒｅｄｉｃｔｉｏｎ ａｒｅ ｅｘｐｅｒｉｅｎｃｅ ｐｒｅｄｉｃｔｉｏｎ．ｓｔａｔｉｓｔｉｃ
ａｎａｌｙｓｉｓ，ｐｌａｎｎｉｎｇ ｅｓＵｍａｔｅ，ａｎｄ ｇｒｅｙ ｐｒｅｄｉｃｔｉｏｎ．Ｉｎ ｕｒｂａｎ ｐｌａｎｎｉｎｇ，ｗｅ ｓｈｏｕｌｄ ｃｏｍｂｉｎｅ ｑｕａｌｉｔａＵｖｅ ａｎｄ
ｑｕａｎｔｉｔａｔｉｖｅ ａｎａｌｙｓｉｓ。ａｎｄ ｃｏｍｐａｒｅ ｍｕｌｔｉ ｍｅｔｈｏｄｓ ａｎｄ ｓｃｈｅｍｅｓ ｔｏ ａｃｑｕｉｒａ ａ ｒｅｓｕｌｔ ｔｈａｔ ｉＳ ｄｏｓｅｓｔ ｔｏ
ａｃｔｕａｌｉｔｙ．Ａｍｏｎｇ ｔｈｅ ｍｅｎｔｉｏｎｅｄ ｐｒｅｄｉｃｔｉｏｎ ｍｅｔｈｏｄｓ。ｇｒｅｙ ｐｒｅｄｉｃｔｉｏｎ ｉＳ ａ ｒｅｃｏｍｍｅｎｄａｂｌｅ ｏｎｅ．
哪Ｈ■删Ｗａｔｅｒ ｎｅｅｄｓ．Ｐｒｅｄｉｃｔｉｏｎ．Ｇｒｅｙ ｍｏｄｅＩ
为给城市提供充足的水量、正确地
选择城市给水水源和确定给水系统各构
筑物的规模，合理地预测城市用水量是
给水系统规划的首要任务。城市规划中
对用水量的预测，将直接影响城市给水
系统的规模和建设计划。然而，城市用水
量的预测涉及城市发展的诸多因素，有
２０１１年第７期 ＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ Ｏ规划与设计。 科技信息
城市供水系统短期用水量变化规律与 用水量预测方法研究 刘 赘 （重庆市设计院中国重庆４０００１５） 【摘 要】城市供水系统用水量预测一般分为两大类：长期预测和短期预测。长期预测是根据城市经济的发展，人口的增长，工业生产能力 的提高，旅游、教育、文化卫生事业的发展等多方面因素的发展变化情况，对未来几年、十几年、甚至几十年后整个城市的需水量做出预测。短期 预测是根据过去十几天或几十天内用水量的历史数据及影响用水量的因素．对今后一小时，一天或几天的用水量做出预报。 【关键词】市政工程；城市给排水；供水系统；短期用水量；用水量预测方法；回归分析法 Ｏ引言 由于实时检测的信息及状态估计的结果均描述了系统当前的运 行情况，供水系统的优化调度是确定系统今后一个调度周期内的调度 方案，为此，必须预测系统今后一段时间（如一个小时作为调度周期） 内系统的用水量。城市供水系统的短期用水量预测，是提高供水系统 管理水平和实现优化调度的前提和保证。 １ 城市供水系统短期用水量变化规律及影响因素 一个城市或一个地区，在不同时刻，由于经济活动和居民活动情 况不断变动，用水量会有较大的变化。在短期内，如十几天或几天内， 城市用水量的变化具有周期性．如以一天或一周为一个周期，而这个 周期随着用户轮休及工业企业生产的变化呈现不稳性波动。从较长时 间来看，它又具有季节性增长的趋势，其中增长趋势的变化又受到城 市供水系统供水能力发展的制约。 一般而言．用水量的变化受下列因素影响： １．１ 气象的影响。用水量随气温上升而增大，晴天较阴雨天用水量 大。 １．２ 节假日的影响。节日期间生活用水量增大，而部分工业用水量减 少，用水量总趋势随不同城市而异。 １－３季节的影响。一般．一年中夏季由于生活用水量的提高及工业冷 却用水的提高，出现用水高峰；冬季是一年中的用水低谷，但有些北方 城市由于冬季需要大量的采暖用水，反而冬季出现用水高峰。 １－４工业总产值的影响。一般情况下，工业用水占整个城市用水量的 绝大部分．一个城市的用水量通常与其工业规模、工业生产工艺设备 和工业发展水平密切相关。有关资料表明，城市用水量随工业总产值 的增大而增大。 １．５人均年收入水平的影响。城市用水量与居民的生活水平有着内 在的联系．一般可以认为城市用水量随人均年收入水平的提高而增 加。 １．６水的重复利用率的影响。我国水资源匮乏，最有效的途径之一就 是开展水的重复利用工作，提高水的重复利用率。可以说，城市用水量 随着水的重复利用率的增大而减小。 １．７人口数量及水价的影响。用水量随城市人口的增加而增大。水价 增高对工业用水影响较大，用水量会减小。 １．８管网运行和管理状况的影响。管网漏失程度、管网检修状况等因 素对用水量也有明显影响，因为漏失的水量都计算在总用水量之中， 减少管网漏失量、增大管网检修力度可以减小城市用水量。 １．９能源消耗情况的影响。能耗越大，用水量越大。 １．１０科技进步影响。随着科技进步，单位国民生产总值对应的用水 量下降。 １．１１未预见因素及随机突变因素的影响。诸如地震、洪涝、干旱等对 用水量产生短暂的冲击，影响一定的变化趋势。 ２用水量预测方法 随着预测研究的不断发展，用于预测的方法就越来越多，预测技 术的水平也日益提高。一般来说，可把预测方法分成两大类：一类是定 性预测，也称直观性预测。定性预测主要用于那些无法量化的过程中。 其优点是在根本没有历史资料和足够统计数据的情况下，经过专家努 力可以做出较正确的判断和推测。由于定性预测受主观因素的影响较 大，具有不可克服的弱点。所以，在实际领域中应用较少。第二类是定 量预测．也称为统计预测。 ２．１ 回归分析法 回归分析方法，也叫解释性预测方法，一般用来预测中长期用水 量和日用水量。该方法认为输入变量的变化将引起系统输出变量的变 化．即系统的输入与输出之间存在某种因果关系。在输入量中，一般需 要考虑气象、人口增长、工商业分布及居民活动、节假日作用等影响因 素。这种模型对输入变量的精度要求较高，要求次日的天气、居民活动 等的预报资料精度较高．否则误差可能较大。 Ｍａｙｓ等将水价、人口、居民人均收入、年降雨量等作为相关因子， 建立了中长期用水量与相关因子问的对数和半对数回归模型，Ｇｉｓｔａｕ 等学者也都作了大量研究［３ｏ１。目前文献中记载的日用水量预测方法一 般以节假日、气象等因素作为自变量，采用多元线性回归分析法建立 预测模型，可表示为式（１）： Ｑｐ＝Ａ ｄ十Ａｌ丁ｌ嘀＋Ａ２７ ＋Ａ ３ ＋Ａ４Ｈ＋ （１） 式中：ＱＰ一当日用水量预测值；：Ａ０，Ａ ，Ａ：，Ａ，，Ａ广各回归系数； Ｔ一，Ｔ 一当日最高及最低温度；Ｗ一天气情况值，视城市特点不同，其 取值方式也不同；Ｈ一节假日影响值，视城市特点不同，其取值方式也 不同：￡一不能被模型描述的影响因素及突变因素产生的随机波动。 采集某个城市的历史用水量及其他影响因素数据，利用最小二乘 法原理估计模型系数，便可应用到以后该城市的日用水量预测中，并 可随时采用最新的观测数据校正模型系数，以适应新的用水量变化。 经过对各城市日用水量的统计分析发现，线性回归模型的误差较大， 即用水量不是随各影响因素线性变化的。 ２．２时间序列分析法 时间序列分析把系统看成是一个“黑箱”，它并不关心影响这个系 统运行的因素是什么。该方法把系统看作是一个“暗盒”，可以不管气 象等影响因素，而只关心观测和预测的结果，仅根据用水量的历史数 据预测未来用水量。 ２．２．１ ＡＲ（ｐ），ＭＡ（ｑ），ＡＲＭＡ（ｐ，ｑ）模型 自回归模型（ＡＲ），滑动平均模型（ＭＡ）和自回归滑动平均模型 （ＡＲＭＡ）是常用的基于时间序列分析的建模方法，分别见式（２）一（４）， 主要考虑时间序列中不同时刻的随机变量，建立一种动态模型。Ｔ． Ｓａｓｔｒｉ等基于自回归模型，也进行了大量日用水量和时用水量预测研 究。 ４ Ｉ－ｌ＋ —２＋… ｐ 坤＋ ｌ （２） ＸＦ 广（０ｌ最一ｌ＋６｝ －２＋・・・６ 呻） （３） Ｘ ＝２ Ｏｒ－Ｘｔ— ＋・毗一２ Ｏｉ－Ｘｔ— （４） ｉ：１ ｉ＝１ 其中Ｘ．，Ｘ，－ｉ－－￣Ｘ 一时间序列在时刻ｔ，ｔ一１…ｔ—Ｐ的观测值；ｑｏｌ，‘Ｐ２… ‘Ｐ 一自回归系数；８ 一纯随机自噪声（残差）；Ｐ一自回归模型的阶数； ｑ一滑动平均模型的阶数；０ ，０ …ｅ 滑动平均系数。 ２．２．２灰色预测 用水量预测时，需考虑的两个主要因素：预测的目的及能采用的 数据资料的完备性、可靠性。中长期用水量存在的两个基本情形是：用 水量序列记录的时间长，历史数据较多；用水量序列记录的时间短，历 史数据较少。对于记录时间较长，历史数据较多的大（下转第３０７页）
