关键词：加权灰色绝对关联度;江苏省太湖流域;用水量;驱动因素
中图分类号：TV213.9文献标志码：A文章编号：
Driving factors of water use in the Taihu Lake Basin of Jiangsu
JI Sheng-caia，LU Gui-huaa，b，HE Haia，b，WU Zhi-yonga，b
（a.College of Hydrology and Water Resources，Hohai University，Nanjing 210098，China;
b.Institute of Water Problems Research Academy，Hohai University，Nanjing 210098，China）
Key words：weighted grey absolute correlation degree;Taihu Lake Basin of Jiangsu;water use;driving factor
国内外已有部分学者针对用水量影响因素做了研究，Gazzinelli等[3]利用多元回归分析法定量分析了经济增长、人口、环境和区域差异对农村生活用水变化影响;王康[6]基于扩展的IPAT等式，定量分析了富裕程度、人口、用水强度和产业结构4种因素对甘肃用水量变化的作用;柳景青等[7]应用粗糙集理论对城市日用水量的7个影响因素进行影响程度分析;李晓慧等[8]通过构建投入产出结构分解模型，分析了产业技术效应、用水强度效应、最终需求效应对江苏省用水量变化影响，但未针对某一具体因素进行分析。鉴于多元回归易存在共线性、IPAT等式评价因素较少、粗糙集理论计算复杂等问题，本文将传统灰色绝对关联度改进为加权灰色绝对关联度，对江苏省太湖流域用水总量、农业用水量、工业用水量、生活用水量驱动因素进行定量分析，以期揭示影响江苏省太湖流域用水量变化的主要因素，为进一步科学、合理开发利用水资源提供参考。 1资料来源与研究方法
1.1资料来源
灰色关联度分析法不仅是灰色理论的重要组成部分，也是灰色系统分析、预测和决策的基础[9]，其基本思想是根据序列曲线几何形状来判断不同序列之间联系的紧密程度[10]。灰色关联度分析法具有样本需求量少、数据不需要特定分布形式、计算方法简便、定量分析结果与定性分析结果一致、精准度高、适用范围广等优势[11]。
自邓聚龙教授提出灰色关联分析模型[12]以来，又相继出现了绝对关联度[13]、T型关联度[14]、斜率关联度[15]等。随着灰色系统研究的不断发展，灰色关联度分析法也在不断完善。灰色绝对关联度分析法[13]克服了邓氏关联度分析法需要确定分辨系数的不足，而是根据两时间序列在各时段变化态势的接近程度来判断两曲线的相似程度，其具体计算方法如下：
步骤一：无量纲化。为消除参考序列和对比序列量纲与量级对分析结果影响，增加序列间的可比性，需要进行无量纲化处理。灰色关联分析中常用的无量纲化方法包括初值法、均值法、标准化法等，由于初值法相对简单、直观，所以本研究选用初值法。
步骤二：一次累减。其目的是求出参考序列和对比序列各时段的斜率大小。
α（y0（k+1））=y0（k+1）-y0（k）
（3）
α（yi（k+1））=yi（k+1）-yi（k）
（4）
步骤三：计算各时段关联系数。
ξ（X0，Xi）=11+|α（y0（k+1））-α（yi（k+1））|
式中：ξ（X0，Xi）为参考序列X0与对比序列Xi之间的关联系数。
步骤四：计算关联度。关联度大小表征参考序列与对比序列间的相似程度，关联度越大，两者相似性越高，即对比序列所对应的指标对参考序列指标影响越大。关联度计算公式如下：
γ（X0，Xi）=1n-1∑n-1k-1ξ（X0，Xi）（k+1）
式中：γ（X0，Xi）为参考序列X0与对比序列Xi之间的关联度。
由式
（6）可以看出，灰色绝对关联度的计算方法为求取各时段关联系数的平均值，而关联系数代表各时段参考序列与对比序列之间的相似程度，且其大小不一，甚至有时悬殊较大。所以传统的灰色绝对关联度易受关联系数极大值或极小值的影响，或当各时段关联系数之和保持不变时，即使各时段的关联系数发生较大变化，关联度大小仍保持不变。为消除上述因素对关联度的影响，提高评价结果的准确性，可以采取求关联系数与相应权重系数之积的和。
根据灰色关联度分析法的基本思想，权重的大小可以根据各时段参考序列与对比序列斜率相似性确定，相似性越大，权重越大，反之权重越小。此方法克服了文献[16]权重确定时要求序列指标递增的不足。
ωi（k+1）=wi（k+1）∑n-1k=1wi（k+1）
（7）
式中：ωi（k+1）为对比序列i在各时段的权重大小，且
∑n-1k=1ωi（k+1）=1;wi（k+1）=11+1-α（y0（k+1））α（yi（k+1））
根据式
（7）获得权重大小，计算各时段关联系数与权重之积的和，以获得改进后的加权灰色绝对关联度。加权灰色绝对关联度与传统绝对关联度计算步骤除第四步关联度计算方法不同外，前三步均相同。
加权灰色绝对关联度如下：
γ（X0，Xi）=∑n-1k=1ωi（k+1）ξ（X0，Xi）（k+1）
式中：γ（X0，Xi）为参考序列X0与对比序列Xi之间的关联度;ωi（k+1）为对比序列i在各时段的权重大小;ξ（X0，Xi）（k+1）为参考序列X0与对比序列Xi在各时段的关联系数。
2用水量变化驱动因素分析
2.1用水量变化趋势
2.2加权灰色绝对关联度计算
2.3结果分析
由表4可以看出，导致用水总量呈倒“U”型变化的主要因素是工业增加值占GDP比例、城镇化率;对农业用水量变化作用最大的因素是有效灌溉面积，农田灌溉亩均用水量次之;致使工业用水量与用水总量变化趋势基本一致的主要因素是工业增加值占GDP比例、万元工业增加值用水量;造成生活用水量增加的主要因素是城镇化率，常住人口次之。综合各类用水量变化驱动因素，可以得出社会经济发展水平对用水量变化作用最大，科学技术次之，而水资源禀赋影响最小。
为便于分析各行业用水量及其主要驱动因素的作用，编制表5，分析如下。
纵观各部门用水量变化，发现农业用水量占用水总量比例最大，但其年均变化速率相对较小;工业用水量占用水总量比例虽没农业用水量大，但其变化幅度相对较大，基本控制着用水总量的变化趋势;生活用水量虽占用水总量比例相对较小，但其一直以较大的速率增加。因此，工业用水量变化驱动因素对用水总量作用最显著，其次为生活用水量变化驱动因素。
2.4讨论
由上述分析结果可知，控制江苏省太湖流域用水量变化的驱动因素主要有工业增加值占地区生产总值比例、城镇化率、有效灌溉面积、居民生活用水定额、农业灌溉用水定额等。
3结论
