Идентификация факторов, влияющих на региональное потребление воды, и связанных с ними правил имеет важное значение для разумного прогнозирования спроса на воду и оптимизации распределения водных ресурсов. В данной статье на основе многолетних данных о разработке и использовании водных ресурсов и статистических данных социально-экономического развития дельты Жемчужной реки используются два модели машинного обучения: случайный лес (RF, random forest) и искусственная нейронная сеть (ANN, artificial neural network). Кроме того, комплексно применяются методы SHAP (shapley additive explanations) и частичных зависимостей (PDP, partial dependence plots) для системного определения факторов влияния на потребление воды и связанных с ними правил, раскрывающих пространственно-временные характеристики изменения вклада каждого фактора. Результаты показывают, что факторы влияния на потребление воды по убыванию важности следующие: ВВП, численность населения, площадь пахотных земель, объем водных ресурсов на душу населения, среднее потребление воды на единицу орошаемой площади сельскохозяйственных угодий, потребление воды на душу населения в городах. Средние коэффициенты детерминации моделей ANN и RF превышают 0.94 и 0.92 соответственно. Пространственно факторы влияния на потребление воды характеризуются доминированием населения в центральных городах и площадью пахотных земель в пригородных районах. Потребление воды в дельте Жемчужной реки наиболее явно реагирует на изменения численности населения и площади пахотных земель. Исследование может служить научной основой и технической поддержкой для прогнозирования будущего спроса на воду и сбалансированного пространственного распределения водных ресурсов в дельте Жемчужной реки.

искусственная нейронная сеть;случайный лес;потребление воды;метод SHAP;PDP