Page 115 - 《水资源与水工程学报》2022年第6期

! ３３ " ! ６ # & ' ( ) & * + , - Ｖｏｌ．３３Ｎｏ．６
２０２２ $ １２ % ＪｏｕｒｎａｌｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓ＆ＷａｔｅｒＥｎｇｉｎｅｅｒｉｎｇ Ｄｅｃ．，２０２２

ＤＯＩ：１０．１１７０５／ｊ．ｉｓｓｎ．１６７２－６４３Ｘ．２０２２．０６．１４

KÈ’D~{¦3É˟bpq|}

１ １ １ １，２
Ÿ~ ， )¡¢ ， P £ ， œ¤¥
（１． Îyw8-.c6 Nd(}ãgh6i， 6Î _ ７１２１００；２． Îyw8-.c6
MnwŽNeghuvÆ$%5†|， 6Î _ ７１２１００）

F G： M«/µr2¯Yc˜OnouN–Äv—çŸ&J， MNQR-6du¸ëØÙ， ƒu ＡＲＭＡ、 8Û
ＧＭ（１，１） P ＢＰ ËÖÖh—ç†]， }~#᪽n:、 "o、 Y]cn ３ !˜OŸ™uNw–Äv—ç， ¥—ço
䋬©ª\9， ¤ƒuÐo—ç¥ ２０２１－２０２５ ™I#᪽nuNw–©ªÄv。‹¬­®： ¥à¯Y#
᪽n:˜O，９œª½nŸ™uNw–ÐoÄv—çM ＡＲＭＡ—ç，６œª½nŸÐoÄv—çM8Û
ＧＭ（１，１） —ç，１６ œª½nŸÐoÄv—çM ＢＰ ËÖÖh—ç； ¥à"o˜O，５ œ"oŸ™uNw–ÐoÄv
—çM ＡＲＭＡ—ç，３ œ"oŸÐoÄv—çM8Û ＧＭ（１，１） —ç， }@"oŸÐoÄv—çM ＢＰËÖÖh—
ç； ¥àY]cn˜O， yK ６ nŸ™uNw–ÐoÄv—çM ＢＰ ËÖÖh—ç， "K ４ nŸÐoÄv—çM8
ÛＧＭ（１，１） —ç；２０２１－２０２５ ™¯YI#᪽nŸ™uNw–wŠléΕ。&J‹¬;Mr2¯YuNw–
ŸÊ]¸ëìí。
HIJ： ™uNw–Äv；ＡＲＭＡ—ç； 8Û ＧＭ（１，１） —ç；ＢＰ ËÖÖh—ç； r2¯Y
KLDMN：ＴＶ２１３．４ OPQRS：Ａ OTUN：１６７２６４３Ｘ（２０２２）０６０１１１０９
ＰｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓｏｆｒｅｇｉｏｎａｌａｎｎｕａｌｔｏｔａｌｗａｔｅｒｃｏｎｓｕｍｐｔｉｏｎｉｎｍａｉｎｌａｎｄＣｈｉｎａ

１
１
１，２
１
ＺＨＯＵＹｕｍｉｎｇ，ＣＨＥＮＴｉａｎｙｕｅ，ＧＵＯＱｉｎｇ，ＳＯＮＧＳｏｎｇｂａｉ
（１．ＣｏｌｌｅｇｅｏｆＷａｔｅｒＲｅｓｏｕｒｃｅｓａｎｄＡｒｃｈｉｔｅｃｔｕｒａｌＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｗｅｓｔＡ＆ＦＵｎｉｖｅｒｓｉｔｙ，Ｙａｎｇｌｉｎｇ７１２１００，Ｃｈｉｎａ；
２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＳｏｉｌａｎｄＷａｔｅｒＥｎｇｉｎｅｅｒｉｎｇｉｎＡｒｉｄａｎｄＳｅｍｉａｒｉｄＡｒｅａｓ，Ｍｉｎｉｓｔｒｙｏｆ
Ｅｄｕｃａｔｉｏｎ ，ＮｏｒｔｈｗｅｓｔＡ＆ＦＵｎｉｖｅｒｓｉｔｙ，Ｙａｎｇｌｉｎｇ７１２１００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：ＩｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｌａｒｇｅｓｃａｌｅｗａｔｅｒｃｏｎｓｕｍｐｔｉｏｎｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓｆｏｒｍａｉｎｌａｎｄＣｈｉｎａａｎｄ
ｐｒｏｖｉｄｅａｔｅｃｈｎｉｃａｌｓｕｐｐｏｒｔｆｏｒｔｈｅｓｃｉｅｎｔｉｆｉｃｕｔｉｌｉｚａｔｉｏｎｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｓ，ｔｈｅａｎｎｕａｌｔｏｔａｌｗａｔｅｒｃｏｎ
ｓｕｍｐｔｉｏｎｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｓｏｆｐｒｏｖｉｎｃｉａｌａｄｍｉｎｉｓｔｒａｔｉｖｅｄｉｖｉｓｉｏｎｓ ，ｒｉｖｅｒｂａｓｉｎｓａｎｄｇｅｏｇｒａｐｈｉｃａｌｒｅｇｉｏｎｓ
ｗｅｒｅｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎｔｈｅｐｒｉｎｃｉｐｌｅｓｏｆＡＲＭＡ ，ｇｒａｙＧＭ（１，１）ａｎｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌ．Ｔｈｅ
ｏｐｔｉｍｉｚｅｄｒｅｓｕｌｔｓｏｆｔｈｅｍｏｄｅｌｓｗｅｒｅｓｔａｔｉｓｔｉｃａｌｌｙａｎａｌｙｚｅｄ ，ａｎｄｔｈｅｓｅｌｅｃｔｅｄｏｐｔｉｍａｌｍｏｄｅｌｓｗｅｒｅｕｓｅｄｔｏ
ｐｒｅｄｉｃｔｔｈｅｔｏｔａｌｗａｔｅｒｃｏｎｓｕｍｐｔｉｏｎｆｒｏｍ２０２１ｔｏ２０２５．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｆｏｒｔｈｅｐｒｏｖｉｎｃｉａｌａｄｍｉｎｉｓ
ｔｒａｔｉｖｅｄｉｖｉｓｉｏｎｓｃａｌｅ ，ｔｈｅｏｐｔｉｍａｌｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｏｆｔｏｔａｌａｎｎｕａｌｗａｔｅｒｃｏｎｓｕｍｐｔｉｏｎｉｓＡＲＭＡｍｏｄｅｌｉｎ
ｎｉｎｅａｄｍｉｎｉｓｔｒａｔｉｖｅｄｉｖｉｓｉｏｎｓ ，ｇｒａｙＧＭ（１，１）ｍｏｄｅｌｉｎｓｉｘａｄｍｉｎｉｓｔｒａｔｉｖｅｄｉｖｉｓｉｏｎｓ，ａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋ
ｍｏｄｅｌｉｎ１６ａｄｍｉｎｉｓｔｒａｔｉｖｅｄｉｖｉｓｉｏｎｓ．Ａｔｔｈｅｒｉｖｅｒｂａｓｉｎｓｃａｌｅ ，ｔｈｅｏｐｔｉｍａｌｐｒｅｄｉｃｔｉｏｎｍｏｄｅｌｉｓＡＲＭＡ
ｍｏｄｅｌｉｎｆｉｖｅｂａｓｉｎｓ，ｇｒａｙＧＭ（１，１）ｍｏｄｅｌｉｎｔｈｒｅｅｂａｓｉｎｓ，ａｎｄｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌｉｎｔｈｅＹａｎｇｔｚｅ
Ｂａｓｉｎ．Ｆｏｒｔｈｅｓｃａｌｅｏｆｌａｒｇｅｇｅｏｇｒａｐｈｉｃａｌｒｅｇｉｏｎｓ，ｔｈｅｏｐｔｉｍａｌｍｏｄｅｌｏｆｔｈｅｓｉｘｎｏｒｔｈｅｒｎｒｅｇｉｏｎｓｉｓｔｈｅ
ｎｅｕｒａｌｎｅｔｗｏｒｋｍｏｄｅｌ ，ａｎｄｔｈａｔｏｆｔｈｅｆｏｕｒｓｏｕｔｈｅｒｎｒｅｇｉｏｎｓｉｓｔｈｅｇｒａｙＧＭ（１，１）ｍｏｄｅｌ．Ｔｈｅｗａｔｅｒｃｏｎ
ｓｕｍｐｔｉｏｎｉｎｔｈｅｎｅｘｔｆｉｖｅｙｅａｒｓｗｉｌｌｂｅｇｅｎｅｒａｌｌｙｓｔａｂｌｅ．Ｔｈｅｓｅｆｉｎｄｉｎｇｓａｒｅｅｘｐｅｃｔｅｄｔｏｐｒｏｖｉｄｅｓｏｍｅｓｔａ
ｔｉｓｔｉｃａｌｒｅｆｅｒｅｎｃｅｆｏｒｔｏｔａｌｗａｔｅｒｃｏｎｓｕｍｐｔｉｏｎｍａｎａｇｅｍｅｎｔｉｎＣｈｉｎａ．
Ｋｅｙｗｏｒｄｓ：ａｎｎｕａｌｔｏｔａｌｗａｔｅｒｃｏｎｓｕｍｐｔｉｏｎｐｒｅｄｉｃｔｉｏｎ；ＡＲＭＡｍｏｄｅｌ；ｇｒａｙＧＭ（１，１）ｍｏｄｅｌ；ＢＰｎｅｕ
ｒａｌｎｅｔｗｏｒｋｍｏｄｅｌ；ｍａｉｎｌａｎｄＣｈｉｎａ

!"#$：２０２２０１２６； %&#$：２０２２０６２３
'()*： 2345-678,1（５２０７９１１０）； Îyw8-.c6c6G-.tå,1（Ｓ２０２１１０７１２５６０）
+,-.： ŠGÙ（２００１－）， ?， 6ÎÎ;C， ÏJã-G， &JKLMNOPNQR。
/0+,： ‡®Ú（２００１－）， ?， 6ÎÎ;C， ÏJã-G， &JKLMNOPNQR。