基于不同多元统计方法组合的天津市农业用水量预测模型研究

doi:10.19640/j.cnki.jtau.2025.06.006

天津农学院学报 ›› 2025, Vol. 32 ›› Issue (6): 32-41.doi: 10.19640/j.cnki.jtau.2025.06.006

基于不同多元统计方法组合的天津市农业用水量预测模型研究

张海欣^a, 董艳慧^{a,b,通信作者}, 陶鑫怡^a, 赵钰薇^a

天津农学院 a.水利工程学院,b.天津农学院-中国农业大学智慧水利研究中心,天津 300392

收稿日期:2024-08-27 发布日期:2025-12-26
通讯作者: 董艳慧（1982—）,女,讲师,博士,主要从事水文学、农业水利方面的研究。E-mail：dyh1918@163.com。
作者简介:张海欣（2003—）, 男, 本科在读, 主要从事水利工程方面的研究。E-mail：2892278897@qq.com。
基金资助:
国家重点研发计划子课题（2023YFD1900802-01）; 天津市教委科研计划项目（2023SK007）; 水利部重大科技项目（SKS-2022050）; 大学生创新创业训练计划项目（202310061220）

Research on agricultural water consumption prediction model in Tianjin city based on different combinations of multivariate statistical methods

Zhang Haixin^a, Dong Yanhui^{a,b,Corresponding Author}, Tao Xinyi^a, Zhao Yuwei^a

ianjin Agricultural University, a. College of Water Conservancy Engineering, b. Tianjin Agricultural University-China Agricultural University Joint Smart Water Conservancy Research Center, Tianjin 300392, China

Received:2024-08-27 Published:2025-12-26

摘要/Abstract

摘要： 农业用水量预测对于区域水资源规划、管理与利用有重要意义。本文采用多元统计分析方法, 研究天津市用水结构、农业用水量变化趋势及预测模型。结果表明：2001—2020年天津市农业用水量呈缓慢下降趋势, 但仍高于其他行业用水量, 2021—2022年生态用水量（占比约35%）超过农业用水量（占比约30%）;筛选出农业用水量的14个影响因素, 根据相关分析得到与天津市农业用水量关联度高的3个影响因素：生活用水量、生态用水量和农村居民可支配收入;基于因子分析得出影响天津市农业用水量的3个主要驱动因子：社会和灌溉面积因素、水资源因素、工业用水量因素;基于多元线性和多元非线性回归, 构建了天津市农业用水量的3种预测模型：MLR模型（R²=0.722）、MNLR模型（R²=0.729）和FA-MNLR模型（R²=0.849）, 3种模型的平均相对误差MRE≤11.861%, 均方根误差RMSE≤1.787, 均能有效预测天津市农业用水量;FA-MNLR模型的拟合度最高, 该模型融合了14个影响因素, 与农业用水量具有逻辑上的关联性, 且将因子分析与多元非线性回归相结合, 提供了一种新的建模方法。本文的研究成果可为农业用水量预测、水资源配置和管理提供参考。

关键词: 农业用水, 解析模型, 因子分析, 相关分析, 非线性

Abstract: The prediction of agricultural water consumption is of great significance for regional water resource planning, management, and utilization. Multivariate statistical analysis methods were used to research water use structure and trends of agricultural water consumption in Tianjin in this paper. Results indicated that from 2001 to 2020, agricultural water consumption in Tianjin showed a slow decline, but still higher than that of other industries. In 2021—2022, the ecological water consumption（accounting for about 35%）exceeded the agricultural water consumption（accounting for about 30%）. Fourteen influencing factors related to agricultural water consumption were screened out, and based on correlation analysis, three highly correlated influencing factors of agricultural water consumption in Tianjin were determined: domestic water consumption, ecological water consumption, and disposable income of rural residents. Based on factor analysis, three main driving factors affecting agricultural water consumption in Tianjin were identified: social and irrigation area, water resources, and industrial water consumption. Based on multiple linear and multiple nonlinear regression, three prediction models for agricultural water consumption in Tianjin were constructed, namely MLR model（R²=0.722）, MNLR model（R²=0.729）and FA-MNLR model（R²=0.849）; These three models have mean relative error（MRE）≤11.861% and root mean square error（RMSE）≤1.787, all of which can effectively predict agricultural water consumption in Tianjin. Among them, FA-MNLR model has the highest fit, integrating 14 influencing factors and having logical relationships with agricultural water consumption. Factor analysis and multiple nonlinear regression are combined, which provides a new modeling method. Results of this paper can provide reference for agricultural water consumption prediction, water resource allocation and management.

Key words: agricultural water, analytical model, factor analysis, correlation analysis, nonlinear

中图分类号:

S11⁺4

张海欣, 董艳慧, 陶鑫怡, 赵钰薇. 基于不同多元统计方法组合的天津市农业用水量预测模型研究[J]. 天津农学院学报, 2025, 32(6): 32-41.

Zhang Haixin, Dong Yanhui, Tao Xinyi, Zhao Yuwei. Research on agricultural water consumption prediction model in Tianjin city based on different combinations of multivariate statistical methods[J]. Journal of Tianjin Agricultural University, 2025, 32(6): 32-41.

导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks

链接本文: http://xuebao.tjau.edu.cn/CN/10.19640/j.cnki.jtau.2025.06.006

http://xuebao.tjau.edu.cn/CN/Y2025/V32/I6/32

参考文献

[1] 陈冬, 姚彬, 沈莹莹, 等.基于主成分分析的安徽省农业用水特征研究[J].中国农村水利水电, 2022(11):86-90, 96.
[2] 赵孝威, 张洪波, 李同方, 等.中国城市水资源短缺类型与发展轨迹识别:以32个主要城市为例[J].自然资源学报, 2023, 38(10):2619-2636.
[3] 2023年中国水资源公报[R].2023年中国水资源公报[R].北京:中华人民共和国水利部, 2024.
[4] 王世威, 范文波, 马军勇, 等.基于主成分及信息熵的额敏灌区农业用水特征[J].中山大学学报(自然科学版)(中英文), 2024, 63(3):103-112.
[5] 高芸, 马春芽, 郭魏.黄河流域农业用水结构均衡度及影响因子分析[J].节水灌溉, 2023(4):110-114, 121.
[6] 唐宇鹏, 雷雨, 王振华, 等.基于农业灌溉模式优化的白杨河流域用水结构预测分析[J].水电能源科学, 2024, 42(3):49-53.
[7] 王冠智, 粟晓玲, 张特, 等.基于DWT-WFGM(1, 1)-ARMA组合模型的农业用水量预测[J].灌溉排水学报, 2021, 40(11):106-114.
[8] 王磊, 赵自阳, 王中根, 等.灌区农业用水测算方法研究[J].西北大学学报(自然科学版), 2019, 49(6):874-880.
[9] REZAEI KALVANI S, SHARAAI A, MANAF L, et al.Evaluation of water footprint of selected crop consumption in Tehran province[J].Applied Ecology and Environmental Research, 2019, 17(5):11033-11044.
[10] AVAZDAHANDEH S, KHALILIAN S.The effect of urbanization on agricultural water consumption and production:The extended positive mathematical programming approach[J].Environmental Geochemistry and Health, 2021, 43(1):247-258.
[11] EBRAHIMIVAND A, HOOSHYARIPOR F, REZAEI- GHAREHAGHAJ S, et al.Satellite-based monitoring of growing agricultural water consumption in hyper-arid regions[J].Water, 2023, 15(22):3880.
[12] 尚毅梓, 赵勇, 石红旺, 等.天津市行业用水变化与归因分析[J].南水北调与水利科技, 2015, 13(1):153-157, 192.
[13] 天津市[EB/OL].(2024-05-10)[2024-06-28].https://baike.baidu.com/item/%E5%A4%A9%E6%B4%A5%E5%B8%82/213824?fr=ge_ala 0.
[14] 天津水务基本情况[EB/OL].(2022-09-19)[2024-06-28].https://swj.tj.gov.cn/zwgk_17147/swgk/202209/t20220919_5991196.html.
[15] 彭慧, 闫冬, 柴雅彬, 等.天津市农业用水统计方法探讨[J].海河水利, 2021(4):53-55.
[16] 串丽敏, 郑怀国, 王爱玲, 等.北京市农业用水结构变化驱动力分析[J].灌溉排水学报, 2018, 37(S1):51-56.
[17] 汪明星, 张卫华, 靳军英, 等.重庆秦巴山区农业用水特征分析[J].西南大学学报(自然科学版), 2017, 39(4):131-137.
[18] 高杨, 苗颖.宿州市农业用水变化及影响因素分析[J].河北北方学院学报(自然科学版), 2013, 29(6):55-58.
[19] 陈立云.铜陵市用水结构变化及驱动力分析[J].统计与管理, 2017, 32(9):90-91.
[20] 朱敬忠, 李凌, 杨森.基于因子分析的突水水源类型判别的研究[J].矿业安全与环保, 2021, 48(2):87-91, 96.
[21] 胡进军, 刘巴黎, 谢礼立.基于因子分析的地震动特征提取及潜在破坏势评估[J].工程力学, 2022, 39(10):140-151, 172.
[22] 盖秋凯, 黄磊, 赵霖.基于因子分析法的焦作矿区底板突水模型研究[J].煤炭工程, 2021, 53(1):123-127.
[23] 束龙仓, 徐丽丽, 袁亚杰, 等.三江平原典型区地下水流场变化及主要影响因素分析[J].水利学报, 2022, 53(6):644-654.
[24] 王俞茜, 韩娜娜, 周青云, 等.基于高光谱的夏玉米叶片SPAD值估测模型研究[J].天津农学院学报, 2022, 29(3):1-8.
[25] 木合塔尔·扎热, 故丽米热·卡克什, 吴正保, 等.灰枣不同枝龄二次枝果实品质综合评价[J].农业工程学报, 2023, 39(22):296-302.

基于不同多元统计方法组合的天津市农业用水量预测模型研究

Research on agricultural water consumption prediction model in Tianjin city based on different combinations of multivariate statistical methods

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 4

编辑推荐

Metrics

本文评价

[1]	代雪宾, 田秀平, 赵秋, 董家僖. 长期冬绿肥翻压对土壤有机氮组分的影响研究[J]. 天津农学院学报, 2023, 30(5): 11-15.
[2]	任君, 李广. 农业上市公司的信用风险实证研究——基于因子分析与Logistic模型[J]. 天津农学院学报, 2022, 29(1): 81-86.
[3]	吴桐, 郭会云, 郑依腾, 马闯, 吉凯, 高贺毅. 栓皮栎伐桩萌苗生物量积累动态及其影响因素的研究[J]. 天津农学院学报, 2021, 28(1): 6-11.
[4]	张振荣, 马丽娜, 代征鸣. 基于多周期CVaRD的个人账户养老金最优投资策略研究[J]. 天津农学院学报, 2017, 24(2): 85-90.