论文部分内容阅读
近年来，由于城市人口的急剧膨胀、经济社会的飞速发展，很多地区对水资源的开发利用已接近甚至超过了当地水资源的承载上限，水资源短缺问题日益突出并制约着区域社会、经济的可持续发展。水资源承载力诊断评价可为水资源管理过程中识别、调控水资源超载因素提供依据，对促进人水和谐、实现区域可持续发展具有重要的现实意义。论文在分析归纳水资源承载力诊断评价概念的基础上，构建了基于联系数的区域水资源承载力诊断评价模型，并利用减法集对势诊断水资源承载力的脆弱性指标，应用于安徽省水资源承载力的动态诊断评价和空间差异诊断分析的研究中，针对水资源承载力诊断预测问题，建立了基于联系数的区域水资源承载力诊断指标组合预测模型。论文取得了如下主要结论: (1)采用“评价-诊断-调控-再评价”的研究方法论，构建了基于联系数的区域水资源承载力诊断评价模型，并对安徽省水资源承载力进行了动态诊断评价研究。结果表明:安徽省2005年-2015年的水资源承载力综合评价等级值均处于2级临界超载附近，虽存在缓慢改善的趋势、但承载状况不佳;将诊断识别出引起水资源承载状况不安全的主要指标进行调控后，再次对水资源承载力的总体安全状况进行综合评价，调控后再评价的承载状况结果得到明显改善。 (2)进行了安徽省水资源承载力空间差异的诊断分析评价。结果表明:安徽省江南地区水资源承载力最好，江淮地区次之，淮北地区的水资源承载力最差;从子系统层面分析，江南地区水资源承载支撑力子系统最好，江淮地区次之，淮北地区最差，但淮北地区水资源承载压力最小;从指标层面诊断分析，人均水资源量是导致安徽省各市水资源承载状况存在空间差异的最主要因素。 (3)在区域水资源承载力诊断指标预测的BP神经网络、多元线性回归模型和支持向量机模型建立的基础上，构建了基于联系数的区域水资源承载力诊断指标组合预测模型(CNCF)。结果说明:CNCF综合了BP神经网络、多元线性回归和支持向量机这3种预测方法的优势，克服了在承载力诊断指标预测中BP神经网络外延性差、多元线性回归模型预测精度低、支持向量机拟合效果差的缺点，预测精度较单一的预测模型有显著提高。 综上所述，论文提出的基于联系数的区域水资源承载力诊断评价方法、组合预测方法及研究思路是合理、可行的，具有很好的普适性，可为集区域水资源承载力评价、诊断、预测为一体的综合研究提供有效的方法，为区域水资源合理配置与调控提供技术支持，对于建立水资源承载力监测预警机制具有重要意义。