摘 要：
为量化调控指标对水资源承载力未来发展态势的影响程度，以优化配置水资源并充分发挥其综合效益，以江苏省为研究对象，构建系统动力学(SD)预测模型，对现状延续下2019—2030年江苏省水资源承载力进行动态模拟。在此基础上耦合遗传算法(GA)改进的Back Propagation人工神经网络(ANN)模型，对水资源承载力进行评分。同时进行障碍度诊断，分析在未来社会经济发展中影响江苏省水资源承载力的障碍因子，依此筛选调控指标。运用情景分析法，针对调控指标设置五种调控方案，分析污废水排放总量、氨氮排放量、化学需氧排放量(COD)、生产用水量和居民生活用水量5个反映用水水量和排放水水质的量质要素的变化趋势以及水资源承载力评分走势，结果表明：江苏省水资源承载力不断恶化，较2019年、2030年水资源承载力评分下降9.61%,氨氮排放量提高6.82%,总用水量提高23.94%,难以满足未来经济社会发展的需要。方案1、方案2及方案4从降低用水总量角度出发，方案3从控污角度出发，都有效改善了水资源承载力，但均无法逆转水资源承载力在2019—2030年的下降态势；方案5统筹考虑节流、调整产业结构和水污染处理调控措施，较2019年、2030年水资源承载力评分提高3.15%,氨氮排放量下降44.13%,总用水量下降9.90%,有效缓解水资源供需压力、改善水环境质量，实现了江苏省水资源承载力在未来年份中的稳步提升，为优化水资源调控提供建设性依据。
水资源承载力;系统动力学;BP神经网络;障碍度模型;调控指标;情景分析;
作者简介：
薛晴(2000—),女，学士，主要从事水务工程相关研究。
*杨侃(1965—),男，教授，博士，主要从事水资源规划与管理相关研究。
基金：
山西省水利科学技术研究与推广资助项目(2017DSW02);
国家重点基础研究发展计划(973计划)资助项目(2012CB417006);
国家科技支撑计划资助项目(2009BAC56B03);
引用：
薛晴, 杨侃. 基于 BP 神经网络-系统动力学耦合模型的江苏省水资源承载力预测与调控研究[ J] . 水利水电技术(中英文), 2022, 53(11): 86- 99.
XUE Qing, YANG Kan. Study on forecast and regulation of water resources carrying capacity in Jiangsu Province based on GA-BP-SD coupling model[J]. Water Resources and Hydropower Engineering, 2022, 53(11): 86- 99.
0 引 言
水资源是基础性的自然资源和战略性的经济资源，经济社会的高速发展对水资源总量、水环境质量等提出新的挑战，如何优化配置水资源、充分发挥水资源的综合效益是我国亟待解决的重大问题之一。水资源承载能力揭示了水资源与社会、经济、生态间的内在联系，是衡量区域发展规划的重要尺度，对区域未来发展规模的大小起决定性作用。
现阶段对水资源承载力的研究主要集中在构建静态综合评价模型，基于过往数据通过模型打分判断水资源的承载力等级，鲜有研究仿真预测水资源承载力的态势变化。系统动力学法(System Dynamics, SD)通过反馈模拟“水资源-经济-社会-生态环境”系统内各要素的因果关系，充分刻画影响水资源承载力的演化机理，突显经济、人口、生态与水资源的耦合关系，有效解决了高阶次、非线性、多重反馈与时变特性的复杂系统问题。张礼兵等通过系统动力学预测湖泊流域水资源承载力的动态变化并提出试验优化调控的方法。康艳等提出对数平均迪氏分解与系统动力学耦合模型，从需水机理出发识别用水量变化的主要驱动因子，并设定仿真方案进行情景分析。黄昌硕等运用支持向量机、系统动力学等方法建立水资源承载力预测模型，依据驱动指标的实现难易程度和代价筛选调控指标，并通过正交试验确定最优减负方案。朱文礼等通过正交试验将阶段性定量调控运用于水资源承载力量质要素，提出基于系统动力学的水资源承载力预测调控模型。上述研究方法在优化调控理论方面进行积极探索，调控指标遴选过程中大多采用单因素敏感性分析，即分析单个不确定因素的变动对量质要素的影响程度，但当某一指标发生变化时，其结果会反馈回系统，引起相关指标的变化，该系统的共同作用决定量质要素的最终取值，因此，单因素分析法未充分考虑指标间的相互作用及系统结构的内在关联，结果存在偏差。且用氨氮排放量、COD排放量、总用水量等量质要素对应的表征指标共同分析评价水资源荷载能力时，由于各指标对水资源承载力等级的影响程度和正负作用不同，评价结果存在明显的主观性，无法定量评价水资源承载力水平。
基于此，本文在建立系统动力学仿真模型的基础上耦合BP神经网络评价模型，将表征指标预测结果代入评价模型，综合考虑水资源、生态环境、社会经济子系统的发展状况，定量评价水资源承载力等级。同时引入障碍度模型进行障碍因子诊断，依据障碍度大小及变化态势，筛选可人为控制的驱动因子为调控指标，代替传统的单因素分析法。进行情景分析，针对不同调控指标设计相应的发展模式，在现状维持方案的基础上，叠加不同发展模式，共设计五种调控方案，探究不同因素对水资源承载力水平的影响程度，以期寻找最优调控方案，为水资源开发利用策略的制定提供科学依据，对水资源规划有重要现实意义。
1 区域概况及数据来源
1.1 研究区概况
江苏省地处亚热带向暖温带过渡区，气候具有明显的季风特征，年平均降水总量为9.945×1010 m3,地跨长江、淮河两大水系，大小湖泊290余个，多年平均水资源总量为321.6 m3。研究区概况如图1所示。
图1 江苏省概况
江苏省本地水资源不足，但过境水量较多，2017—2018年度通过南水北调东线工程累计向山东稳定调水0.110×1010 m3,有效促进了区域协调发展。近年来，水资源不节制地消耗导致了地下水超采、河湖萎缩等现象，严重破坏了当地水生态平衡。此外，水环境污染现象严重影响河湖水生态环境、居民饮用水安全。2018年，江苏废污水排放总量达0.687×1010 m3,化学需氧量排放量达6.845×105 t, 氨氮排放量达0.961×105 t, 对河湖水质、地下水水质产生较大影响，致使全长19 742.8 km的河流中劣于Ⅲ类水的比例高达48.9%;229个湖泊监测站点中仅有154个优于Ⅲ类水；深层地下水质量达到Ⅲ类标准以上的比例仅为61.7%。因此，如何在控制水资源用量的同时减少废污水排放量的问题亟待解决，有必要对其水资源承载力进行研究。
1.2 数据来源
本文水资源承载力研究所涉及的2012—2018年历史数据源于以下数据集《江苏省水资源公报》(2012—2018年)、《江苏省统计年鉴》(2012—2018年)、《江苏省环境状况公报》(2012—2018年)。指标评价等级划分依据及2019—2030年预测值设置参照《江苏省城市生活与公共用水定额》《江苏省农业灌溉用水定额(2019)》《江苏省林牧渔业、工业、服务业和生活用水定额(2019年修订)》《江苏省水资源保护规划(2016—2030年)》《江苏省国民经济和社会发展第十三个五年规划纲要》《江苏省人口发展“十三五”规划》。具体数据来源如表1所列。
2 基于系统动力学的水资源承载力量质要素动态预测
本文通过耦合系统动力学模型和BP人工神经网络(Artificial Neural Network, ANN)模型对江苏省2019—2030年的水资源承载力进行预测与调控，研究思路如图2所示。
图2 研究思路
应用系统动力学预测量质要素各表征指标的动态变化趋势，水资源承载力是一个包含模糊性、随机性、非线性等众多因素的复杂系统，SD模型的实质是借助非线性微分方程描述系统内部各变量间的因果反馈关系来研究系统整体行为，水平方程是量化状态变量的一组不定式,其表达式为
式中，L.S(t)为t时刻状态变量；S(t0)为初始值；∫t0tR.S(t)dt∫t0tR.S(t)dt为t0到t时间段速率累计量。
2.1 系统边界
基于承载力及系统边界的完整性，本文以水资源承载力为研究对象，定义系统的空间边界为江苏省行政区，时间边界为2012—2030年，历史检验阶段为2012—2018年，预测调控阶段为2019—2030年，迭代间隔均为1 a, 以2018年为基准年，各项变量初始值采用2018年相关实际数据。
2.2 SD模型构建
综合考量系统结构和功能整体性，将水资源承载能力复合系统划分为水资源、水环境污染、经济社会三个子系统，各子系统通过量质要素建立联系，揭示水资源承载力演变机理。就子系统间的关系而言，经济社会子系统的用水效率和发展程度直接决定用水总量大小，污废水排放来源和水处理能力对水质状况起主导作用，水资源储量和质量又反作用于经济社会子系统，制约和调节经济社会的发展。统筹考虑子系统间交互影响，界定各要素间的因果特性和正负反馈关系，绘制出江苏省水资源承载力量质要素SD模型流程图,如图3所示。
图3 江苏省水资源承载力量质要素系统动力学模型
基于上述分析，建立函数方程和表函数定量描述变量间因果联系，如表2所列，状态变量初始值及常量赋值参照上述数据集。
2.3 模型有效性检验
为验证该模型能否准确反映实际水资源承载力运行状况，选取2012—2018年为历史检验时间段，判定模拟值与实际值的拟合度。本文变量较多，故从三个子系统中各选取两个有代表性的指标进行检验。经济社会子系统中，由于用水定额变幅不大，以总人口数量代表生活用水；由于各产业用水情况各不相同，以生产用水量代表生产用水。水资源子系统中，主要考虑供需平衡和水的损耗，分别选取总供水量和总耗水率进行检验。水环境污染子系统中，综合考虑污废水的“量”和“质”,分别以污废水排放总量和化学需氧量排放量为被检验的指标。对比分析结果如表3所列，结果表明6个表征指标的历史数据与仿真数据的相对误差均低于10%,且低于5%的数据占比高达97.4%,由此可见，该模型精确度较高，可有效模拟江苏省水资源承载力的实际状况。
3 基于GA-BP神经网络的水资源承载力综合评价与障碍因子诊断
基于传统SD模型的水资源承载力优化调控存在以下问题：(1)以水资源承载力量质要素的承载状态为调控目标，无法直观反映水资源承载力水平，评价时存在明显主观臆断；(2)调控指标遴选过程中大多采用单因素敏感性分析，即分析单个不确定因素的变动对量质要素的影响程度，未充分考虑指标间的相互作用及系统结构的内在关联。
本文引入BP网络评价模型和障碍度模型，运用神经网络建立量质要素表征指标与水资源承载力等级间的非线性联系，将SD模型多个指标变量预测值转化为一个承载力等级评分，以便客观地进行定量评价。利用障碍因子诊断辨识出影响江苏省水资源承载力的主要因素，筛选与其关联性较强的变量为驱动因子，并将可人为控制的驱动因子设定为调控指标。
3.1 水资源承载力评价指标体系及等级标准
本文参考构建水资源承载力评价指标体系的相关文献[14],本着全面性、代表性以及科学性等原则，根据江苏省水资源开发利用特点和“三条红线”管控政策，将江苏省水资源承载力评价指标体系划分为水资源子系统、生态环境子系统和社会经济子系统，共包含17项评价指标。
参考国家标准和相关文献[15],本文将水资源承载力划分为5个等级，Ⅰ级到Ⅴ级依次为盈余承载、基本承载、临界、弱超载和严重超载，分别对应评价值数集[0.8,1.0]、[0.6,0.8)、[0.4,0.6)、[0.2,0.4)、[0,0.2),并对17项评价指标的5级评价标准取值进行了规范，如表4所列。
[14] 李少朋，赵衡，王富强，等.基于AHP-TOPSIS模型的江苏省水资源承载力评价[J].水资源保护，2021,37(3):20-25.LI Shaopeng,ZHANG Heng,WANG Fuqiang,et al.Evaluation of water resources carrying capacity in Jiangsu Province based on AHP-TOPSIS[J].Water resources protection,2021,37(3):20-25. [15] 黄垒，张礼中，朱吉祥，等.河南省水资源承载力时空特征分析[J].南水北调与水利科技，2019,17(1):54-60.HUANG Lei,ZHANG Lizhong,ZHU Jixiang,et al.Analysis of temporal and spatial characteristics of water resources carrying capacity in Henan Province[J].South-to-North Water Diversion and Water Conservancy Science and Technology,2019,17(1):54-60.
3.2 GA-BP网络评价模型
基于表3评价等级标准，在每一等级中随机生成30组输入样本，并从中随机抽取5组作为测试样本，5个等级区间共计生成125组训练样本和25组测试样本。Ⅰ级到Ⅴ级分别对应期望输出值1.0、0.8、0.6、0.3、0.2。本文样本数据的生成采用rand随机函数，其表达式为
式中，xijk为第k个评价等级生成的输入样本数据，k=1,2,3,4,5;nk为第k个评价等级对应的样本数量，本文中为30;ajk和bjk分别为第k个评价等级的上下限。
各指标因级差大小有别、量纲和趋势不同而不具备可比性，需对样本数据进行归一化预处理，映射到空间[0,1]中，转化公式为
式中，xi为指标初始值；yi为指标标准化值。
本文采用三层拓扑结构的BP神经网络模型进行评价，包括输入层、隐含层、输出层三部分。输入层节点数等于评价指标个数为17,输出层节点数为1,代表水资源承载力等级；隐含层节点具有提取和储存样本数据内在规律的作用，若节点数过少，难以总结样本规律，容错性差；若节点数过多，训练时间延长且出现“过度吻合”现象，网络性能下降，本文利用黄金分割算法简化暴力破解寻求最优节点数的计算过程，得出隐含层节点数为25。
该模型学习过程选用梯度下降算法，通过信号的正向传播和误差的反向修正使权值沿误差的负梯度方向改变，从而使网络输出值不断逼近目标期望，权值修改表达式为
基于遗传算法模拟生物进化理论，采用实数编码的方式将各权值和阈值所对应的基因有序排列成一个染色体，全局搜寻使误差值达到最小的初始权值和阈值[19,20],算法迭代适应度随进化代数变化曲线如图4所示，GA-BP训练参数设定如表5所列。
图4 适应度曲线
对模型进行有效性检验，结果如图5所示，网络输出的均方误差均小于3%,表明该模型训练拟合度较高，有较强泛化能力，可应用于水资源承载力评价。
图5 测试样本误差检验
3.3 障碍因子诊断
针对传统情景仿真设计大多依据敏感性分析结果，忽视指标及系统间内在关联的问题，本文引入障碍度模型，通过判识阻碍承载力等级提升的主要因子，筛选出优化仿真设计的调控指标，为进一步分析仿真预测结果及优化调控提供参考依据。指标障碍度Uiz和准则层障碍度Mz具体计算步骤为
式中，i、k、j分别为输入层、隐含层和输出层神经元编号；wik、wkj分别为初始化输入层和隐含层、隐含层和输出层神经元之间的连接权值； N、P分别为输入层、隐含层节点数；rik为相关显著性系数；Sik为绝对影响系数；xi为指标的标准化值；z为准则层编号。
4 结果与分析
4.1 江苏省水资源承载力发展现状
运用GA-BP水资源承载力评价模型分析2012—2018年江苏省水资源承载力动态变化特征，由图6可知，2012—2018年，江苏省水资源承载力得分整体呈上升趋势，由2012年的0.362 2增长至2018年的0.493 3,平均增长率为5.28%。其中，2012—2013年处于Ⅳ级弱超载水平，2014—2018年处于Ⅲ级临界水平，水资源承载力在2016年达到研究时段峰值为0.554 4,在2017年发生转折，2017年得分较2016年下降了0.074 9,但较2015年仍增长了0.017 5。
图6 2012—2018年江苏省水资源承载力
2012—2018年期间，社会经济准则层中万元GDP用水量(c1)和万元工业增加值用水量(c4)指标变幅较大，2018年指标值较2012年分别降低了51.27%、56.43%,推动水资源承载力水平的提升。水资源准则层中人均水资源量(a1)指标值的波动趋势与水资源承载力变化态势基本一致，在2016年达到研究时段极大值927.4,较2012年指标值471.3增长了96.8%,但在2017年又迅速下降至489.3,该指标是水资源承载力水平于2016年达到峰值及于2017年呈下降走势的主导驱动因素。
利用公式(7)—(10)计算研究期内各年份的指标障碍度。结果显示：各年份相同指标障碍度测度结果较为相近，障碍度排名略有变动，不同年份障碍度排名前8的指标虽不尽相同，但前8项障碍度之和占总障碍度的比例大致都为70%,可反映对系统的主要约束作用，因此选取前8项指标为障碍因子。总体而言，研究期内障碍度排名居前八的频率较高的的指标主要有以下9个。经济社会维度涵盖的障碍因子有：万元GDP用水量(c1)、农田灌溉水有效利用系数(c3)、人均GDP(c5)、人口自然增长率(c6)、城镇化率(c7)和第三产业比重(c8),经济社会承载力低成为制约江苏省水资源承载力提升的首要障碍。水资源维度涵盖的障碍因子包括人均水资源量(a1)和产水模数(a3)。生态环境维度涵盖的障碍因子为城市污水日处理能力(b3)。研究期内障碍度测度结果较为接近，仅以2012年、2015年及2018年的计算结果为例，如图7所示。
图7 江苏省水资源承载力评价指标障碍度
4.2 江苏省水资源承载力量质要素预测结果
维持江苏省水资源承载力系统现有水平，相关变量初始值参照2018年指标数据集，运行江苏省水资源承载力SD模型，预测2019—2030年表征指标变化趋势，主要表征指标预测值如表6所列。
介于单独分析量值要素态势变化无法定量评价水资源承载力水平，用GA-BP水资源承载力评价模型处理表征指标预测数据集，评价结果如表6所列。2019—2030年江苏省水资源承载力呈下降态势，且下降速度不断增加。表明该发展模式下，水资源难以在维系生态环境的同时支撑国民经济和社会的发展，可承载的生产规模和人口数量不断缩减，制约江苏省水生态文明建设和经济社会健康可持续发展。
4.3 障碍因子诊断及调控指标筛选
根据公式(7)—(10)计算现状运行基础上2019—2030年各年份的指标及子系统障碍度，基于子系统障碍度变化趋势和指标障碍度排序，诊断影响江苏省水资源承载力的主要障碍因子，据此遴选调控指标，作为优化调控方案中重点研讨对象，从而调整影响水资源承载力的行为，为制定水资源配置及经济社会发展的规划和战略措施提供科学依据。
由图8可知，经济社会子系统的障碍度占比较大，于2030年达到52.39%,虽然随时间推移呈轻微下降趋势，但仍将长期制约江苏省水资源承载力提升。水资源子系统和生态环境子系统的障碍度呈持续增长趋势，2030年较2020年分别增长了14.85%和9.24%,水资源子系统障碍度增速较快，初始占比低于生态环境子系统，但2026年后反超成为影响水资源承载力的第二大因素。
图8 江苏省水资源承载力子系统障碍度
预测阶段江苏省水资源承载力各障碍因子障碍度变化趋势如图9所示，主要障碍因子障碍度排序如表7所列。水功能区达标率(b1)、废水氨氮排放量(b4)、城镇居民人均生活用水量(c2)和万元工业增加值用水量(c4)的障碍度一直处于较低水平且变幅不大，对江苏省水资源承载力的压力小，可不予考虑。农田灌溉耗水量占总耗水量的70%左右，农田灌溉水有效利用系数低及灌溉面积的不断扩增使农业耗水量持续增加，总耗水率呈上升趋势。因此，耗水率(a4)障碍度初始值虽较小，但障碍度上升趋势明显，2030年较2020年增长了63.8%,下一阶段规划中应积极推广节水灌溉以减缓增速。2030年GDP值较2019年预计增长134.07%,规划年内平均增长率达8.04%,因此，万元GDP用水量变幅虽不大但仍将对用水量有较大影响，万元GDP用水量(c1)障碍度排序一直位居首位且占比持续攀升，到2030年达到14.7%,是威胁江苏省水资源承载力的首要障碍因素，对未来经济发展中用水效率提出较高要求。此外，农田灌溉水有效利用系数(c3)、人口自然增长率(c6)和第三产业比重(c8)的障碍度值也较高且不断增长，指标c1、c3、c6和c8都隶属经济社会子系统，四者占比之和于2030年达41.9%,由此可见社会经济因素对江苏省水资源承载力水平起决定性作用。人均GDP(c5)的障碍度初值较高但近乎呈直线下降，2030年较2020年降低了85.4%,表明该发展模式下经济水平大幅上升，对江苏省水资源承载力的保障有积极影响。其余7项指标障碍度均处中等水平，波动平缓，可适当予以关注。
图9 江苏省水资源承载力障碍因子障碍度
综上所述，共选取6项评价指标作为障碍因子。其中，万元GDP用水量、农田灌溉水有效利用系数、人口自然增长率和第三产业比重4个指标障碍度较大，是主要的障碍因子，表明江苏省发展受水量要素限制明显，需加强节水型社会的建设，合理配置水资源，既要加大产业调整力度，优先发展第三产业，向低耗水产业转型，又要加快农业节水工程建设，提高农业灌溉效率。此外，城市污水日处理能力和万元GDP化学需氧量排放2个指标的障碍度相对较大，也是影响江苏省水资源承载力的重要障碍因子，因城镇生活污水是COD和氨氮的主要排放源，应加大城市排污监管力度和排污设施建设。
针对评价模型中6个主要障碍因子，筛选SD预测模型中与其关联性强且可人为调控的驱动变量为调控指标。因此，将第三产业万元产值用水量、万元工业增加值用水量、农田灌溉亩均用水量、第三产业增长率、工业产值增长率和城镇生活氨氮排放系数6个决策变量设定为调控指标。
4.4 仿真方案设计
依据筛选出的调控指标，综合考量提高用水效率、优化产业结构和完善排污设施建设等调控举措，设置节流、产业转型和环境友好三种发展模式，并在单发展模式下进行仿真预测，设计方案1、方案2及方案3。
2017年，江苏省用水总量居全国第一，比重高达9.8%。其中，江苏省工业用水总量亦居全国第一，为2.50×1010 m3,高出第二名广东省近57.2%,由此可见，探究行之有效降低用水量尤其是工业用水量的优化方案对江苏省可持续发展至关重要。基于调控水量要素的措施，本文设置了节流和产业转型两种发展模式，并在单独分析两种发展模式的基础上设计了方案4,以探究两种发展模式的协同拮抗作用，探求控制用水量的最优方案。
江苏省水质型缺水与资源型缺水并存，本文通过三种发展模式的叠加组合制定调控方案5,以分析量质要素对水资源承载力系统的综合影响，寻求最优调控方案。基于近期规划和远期规划的实现目标，人为拟定2025年和2030年各调控指标取值，其余年份指标取值由SD模型在指标发展趋势的基础上模拟生成，不同发展模式的调控参数设置及5种方案设计如表8所列。
4.5 仿真结果分析
依照不同仿真方案调控变量取值，运行江苏省水资源承载力SD模型，得到不同仿真情景下运行结果，表征指标预测值变化趋势如图10所示。从经济发展角度出发，人均GDP持续攀升，六种情景下经济发展态势趋于一致，表明非农经济占比调整过程中国民经济发展平稳，实现了高耗水工业产值的降低和低耗水三产产值的增加。
图10 不同情景下关键指标趋势变化对比
从水量角度出发，现状持续方案下总用水量持续增加，且增速逐年提高，供需比小于1,短期内虽能维持水资源供需平衡，但长期来看，水资源压力大，供需矛盾日益显著。节流模式下，生产用水效率的提高可显著降低总用水量，对维持水资源供需平衡有积极意义；优化产业结构能有效降低生产用水，推动节水型社会建设。方案1在现状基础上增加节流模式，总用水量于2030年较原始方案减少1.44×1010 m3,保障供需比大于1。方案2在现状基础上增加产业转型模式，总用水量于2030年较原始方案减少0.31×1010 m3,但供需比仍小于1,供需矛盾依旧突出。由此可见，较产业转型模式而言，节流模式对水量要素的调控作用更显著。方案4在现状基础上同时增加节流模式和产业转型模式，总用水量于2030年较原始方案减少1.63×1010 m3,两种模式叠加仿真后的节水效果高于各模式单独运行下的节水效果。由此可见，两种发展模式的协同效应显著降低用水总量，有效缓解水资源供需矛盾。方案3未调节影响水量要素的驱动因子，总用水量变化趋势同现状持续方案。方案5综合三种发展模式，总用水量变化趋势同方案4。
从水质角度出发，原方案废污水氨氮排放量于2030年达1.03×105 t, 较2018年初始值增加了6.82%,临近纳污标准，难以控制入河湖污染物总量达考核标准，水环境承载能力降低。控制用水量可一定程度上减少废污水排放量，因此方案1、方案2及方案4的氨氮排放量于相同年份下较现状持续方案都略有降低，但纵向比较结果显示2030年的氨氮排放量较2018年都有所增加，水资源污染现象未能得到有效改善。环境友好模式能有效缓解水质恶化现象，切实保障水源水质安全、加快河湖生态修复。方案3在现状基础上增加环境友好模式，提高污水处理能力以降低污染物排放系数，到2030年氨氮排放总量降低至0.59×105 t, 较2018年减少了79.00%。方案5综合考虑节水和控污，最大程度上控制入河湖污染物总量，到2030年氨氮排放总量降低至0.52×105 t。此外，污染物排放源中城镇生活源占比逐年提高，因此，控制污染物总量应重点关注城镇生活来源，提高城镇居民水环境保护意识，从源头减少污染物产量。
表征指标无法定量描述水资源承载力水平，运行GA-BP神经网络评价模型，五种方案下水资源承载力评分如图10所示。结果显示，方案1和方案2情景下水资源承载力水平呈下降趋势，但下降幅度较现状维持方案有所减少，表明节流模式和产业转型模式都能缓解水资源荷载压力，且节流模式的缓解作用更显著。方案3在短时间内能提升水资源承载力水平，于2023年达到峰值0.525 7,但从长远来看，可承载的人口数量和经济规模将不断缩减，且缩减速度持续加快。方案4受节流模式和产业转型模式协同作用的影响，对水资源荷载能力的提升效果高于方案1和方案2,但水资源承载力水平总体上仍呈下降态势。方案5水资源承载力水平整体呈上升趋势，2030评分值较2018年提高了0.016 3,表明方案5综合采取开源节流、优化产业布局和加快污废水处理建设进程等调控措施，有效提高江苏省水资源承载力，实现江苏省经济社会和水生态环境协调可持续发展。
5 结 论
(1)本文在利用SD模型预测表征指标取值的基础上，耦合BP神经网络模型对2019—2030年江苏省水资源承载力进行定量评价，克服用量质要素定性分析水资源荷载能力时的主观臆断问题。同时引入障碍度模型诊断障碍因子，综合考量指标及系统间的相互影响，改进筛选调控指标的方法。
(2)江苏省水资源承载力未来呈下降趋势，水资源荷载压力持续增大。从准则层角度，经济社会子系统是阻碍江苏省水资源承载力水平的首要因素；从指标层角度，隶属经济社会子系统的万元GDP用水量、农田灌溉水有效利用系数、人口自然增长率和第三产业比4个指标，以及隶属生态环境子系统的城市污水日处理能力和万元GDP化学需氧量排放2个指标是水资源承载力的主要障碍因子。
(3)选取第三产业万元产值用水量、万元工业增加值用水量、农田灌溉亩均用水量、第三产业增长率、工业产值增长率和城镇生活氨氮排放系数6个决策变量为调控指标，依此设计5种调控方案。模拟结果显示，五种方案都能一定程度上缓解水资源荷载压力，但只有方案5能够实现江苏省水资源承载力在规划水平年中稳定提升，该方案采取节流、调整产业结构和水污染处理等一系列调控措施，是改善江苏省水资源承载力的最优调控方案。
水利水电技术（中英文）
水利部《水利水电技术（中英文）》杂志是中国水利水电行业的综合性技术期刊（月刊），为全国中文核心期刊，面向国内外公开发行。本刊以介绍我国水资源的开发、利用、治理、配置、节约和保护，以及水利水电工程的勘测、设计、施工、运行管理和科学研究等方面的技术经验为主，同时也报道国外的先进技术。期刊主要栏目有:水文水资源、水工建筑、工程施工、工程基础、水力学、机电技术、泥沙研究、水环境与水生态、运行管理、试验研究、工程地质、金属结构、水利经济、水利规划、防汛抗旱、建设管理、新能源、城市水利、农村水利、水土保持、水库移民、水利现代化、国际水利等。
