La identificación de los factores que afectan el consumo de agua regional y sus reglas de asociación es de gran importancia para predecir razonablemente la demanda de agua y optimizar la asignación de los recursos hídricos. Este artículo se basa en datos históricos de desarrollo y uso de recursos hídricos y datos estadísticos socioeconómicos de la región del delta del río Perla, utilizando dos modelos de aprendizaje automático: bosque aleatorio (RF, random forest) y red neuronal artificial (ANN, artificial neural network), y combina los métodos SHAP (shapley additive explanations) y PDP (partial dependence plots) para identificar sistemáticamente los factores que afectan el consumo de agua y sus reglas asociadas, revelando las características espacio-temporales de los cambios en la contribución de cada factor. Los resultados muestran que los factores que afectan el consumo de agua, por orden de importancia, son el PIB, el tamaño de la población, el área de tierras cultivables, la cantidad de recursos hídricos per cápita, el consumo promedio de agua por unidad de área irrigada y el consumo de agua doméstica per cápita en áreas urbanas. El valor promedio del coeficiente de determinación para los modelos ANN y RF es superior a 0.94 y 0.92 respectivamente. Espacialmente, los factores que afectan el consumo de agua muestran que las ciudades centrales están dominadas por la población, mientras que las áreas periféricas están dominadas por el área de tierras cultivables. El consumo de agua en la región del delta del río Perla responde de manera más evidente a los cambios en el tamaño de la población y el área de tierras cultivables. El estudio puede proporcionar una base científica y apoyo técnico para la predicción de la demanda futura de agua y la asignación espacial equilibrada de los recursos hídricos en la región del delta del río Perla.

red neuronal artificial;bosque aleatorio;consumo de agua;método SHAP;PDP