胡振 柳燕 李迎峰

摘?要：隨著我國(guó)城市化的高速發(fā)展，城市居民數(shù)量不斷擴(kuò)張，生活用水需求也迅速增長(zhǎng)。本文應(yīng)用2014年中國(guó)城市居民家庭消費(fèi)金融調(diào)查數(shù)據(jù)，利用統(tǒng)計(jì)推斷的方法，構(gòu)建城市居民生活基礎(chǔ)用水的分解模型，并對(duì)人口規(guī)模為1—6人的家庭用水情況進(jìn)行分布模擬和分析。結(jié)果發(fā)現(xiàn)，城市居民生活用水總體上服從毛刺分布，且存在著基礎(chǔ)用水量;該基礎(chǔ)用水量的大小與家庭規(guī)模密切相關(guān)，隨著家庭規(guī)模的擴(kuò)大，基礎(chǔ)用水呈現(xiàn)逐漸增加的趨勢(shì);其增量變化并非完全遵循邊際遞減的規(guī)律，其中1—3人家庭和4—5人家庭均存在著邊際遞減規(guī)律，但4人家庭生活用水增量大于3人家庭，6人家庭基礎(chǔ)用水增幅最大。借助城市居民生活基礎(chǔ)用水及其變化特征，可以指導(dǎo)城市居民生活用水的政策制定，加強(qiáng)城市居民生活用水的精細(xì)化管理。

關(guān)鍵詞：家庭規(guī)模;生活基礎(chǔ)用水;分布特性

中圖分類號(hào)：C92-05?文獻(xiàn)標(biāo)識(shí)碼：A?文章編號(hào)：1000-4149（2019）05-0106-11

DOI：10.3969/j.issn.1000-4149.2019.00.009

一、引言

水資源作為一種不可或缺的基礎(chǔ)性資源，在社會(huì)經(jīng)濟(jì)發(fā)展過(guò)程中起著重要的作用[1]。在世界范圍內(nèi)，水資源短缺已經(jīng)成為世界經(jīng)濟(jì)發(fā)展的重要阻礙，很多國(guó)家正進(jìn)入嚴(yán)重缺水的時(shí)代[2]。我國(guó)也是嚴(yán)重缺水的國(guó)家之一，2010年我國(guó)有約400個(gè)城市缺水，其中有100多個(gè)城市嚴(yán)重缺水，一半以上的城市供水不足[3]，到2013年，每年有超過(guò)60億立方米的水資源短缺[4]，2016年，我國(guó)人均水資源占有量?jī)H為2200m3，約為世界平均水平的1/4[5]。近年來(lái)，我國(guó)城鎮(zhèn)化的高速發(fā)展和城鎮(zhèn)人口的不斷聚集，導(dǎo)致城市對(duì)水資源的需求在急劇增加[6]，居民生活用水量的迅猛增長(zhǎng)，已成為城市用水的主要增長(zhǎng)點(diǎn)。因此，研究城市家庭生活用水的消費(fèi)規(guī)律，開展城市家庭生活用水精細(xì)化管理和提升家庭生活用水效率，對(duì)于緩解水資源緊張的局面和推進(jìn)節(jié)水型社會(huì)建設(shè)具有重要意義[7]。

家庭生活用水影響因素較多，可以歸為宏觀和微觀兩個(gè)方面。在宏觀方面，主要包括社會(huì)人口學(xué)特征[8]、水資源利用與保護(hù)[9]等，其中人口增長(zhǎng)是城鎮(zhèn)生活用水增加的主要原因[10]。在微觀方面，家庭特征是生活用水的主要影響因素[11]，莫斯塔法維（Mostafavi）等的研究發(fā)現(xiàn)家庭規(guī)模是家庭生活用水量最具決定性的指標(biāo)，家庭中每增加一位常住人口生活用水消費(fèi)每年增加34818升[12];喬基姆（Joachim）等發(fā)現(xiàn)家庭規(guī)模較大與人均家庭用水量較低有關(guān)，人均用水量和家庭人口之間存在負(fù)相關(guān)關(guān)系主要是因?yàn)槭窍礈?、園藝甚至烹飪等幾種用水量的增長(zhǎng)幅度往往小于家庭規(guī)模的增長(zhǎng)[13]?，敾∕akki）等發(fā)現(xiàn)家庭人口構(gòu)成是決定家庭生活用水的因素之一，具體來(lái)講，淋浴事件發(fā)生率較高的家庭主要是有成人、青少年和兒童的大家庭，淋浴時(shí)間較長(zhǎng)的家庭最有可能是高收入的青少年家庭[14];寶拉（Paula）的研究發(fā)現(xiàn)，由1—2個(gè)年輕人（平均年齡小于40歲）組成的家庭人均耗水量最高[15]。拉斯納亞卡（Rathnayaka）等發(fā)現(xiàn)家庭規(guī)模和家庭中12歲以下的兒童與生活用水之間關(guān)系密切，且其解釋能力隨著用水量的減少而增加[16];拉西尼杜（Lasinidu）等發(fā)現(xiàn)家庭規(guī)模和家庭成員年齡對(duì)生活用水的影響是顯著的，家庭規(guī)模、家庭中年齡為65歲以上人口與生活用水之間呈正相關(guān)關(guān)系，年齡為18—64歲人口與生活用水之間的關(guān)系為弱正相關(guān)，年齡為18歲以下人口與生活用水之間有弱負(fù)相關(guān)關(guān)系[17]。

目前的研究文獻(xiàn)，在研究“人”這一因素對(duì)生活用水的影響時(shí)，通常都是針對(duì)個(gè)體展開的，即家庭中人的年齡、性別、知識(shí)水平等的不同，其用水行為和用水量均會(huì)有所變化。而在實(shí)際中，家庭是多人的組合，家庭中每個(gè)人并非孤立生活，而是一種集體的生活，各種用水行為并不相同，有一些用水是全家“共享”，還有一些用水是個(gè)人“獨(dú)享”的，這就導(dǎo)致家庭用水量并非是家庭中個(gè)人用水量的簡(jiǎn)單相加，其變動(dòng)規(guī)律應(yīng)該體現(xiàn)家庭用水的“集體性”和“個(gè)人性”?；A(chǔ)用水體現(xiàn)著家庭生活用水的“集體性”，是使住宅達(dá)到一定的環(huán)境要求，為居民構(gòu)建基本生活環(huán)境而發(fā)生的用水，這主要由家庭的共享用水行為產(chǎn)生的。例如空氣清新器用水、拖地用水等，均是滿足家庭成員的共同需要而產(chǎn)生的，并不會(huì)隨著家庭人數(shù)增加而呈線性變化;可變用水體現(xiàn)著家庭生活用水的“個(gè)人性”，家庭中很多用水活動(dòng)是由一個(gè)人完成，這些活動(dòng)產(chǎn)生的水耗只能滿足行為主體的需要，屬于獨(dú)享水耗行為，例如洗浴用水、潔廁用水、個(gè)人飲用水等，由于目的不同，很少能夠兩個(gè)人以上共同使用。獨(dú)享用水行為僅滿足家庭中某一個(gè)人的用水需要，且因個(gè)人生活、工作或興趣的差異有不同的表現(xiàn)。

因此，區(qū)分家庭生活用水的形態(tài)表現(xiàn)，是有效分析家庭用水的驅(qū)動(dòng)因素和判斷揭示家庭生活用水變動(dòng)規(guī)律的基本前提，但這一問(wèn)題的研究目前在理論界尚未涉及，而有效解決這一問(wèn)題，對(duì)于制定合理的家庭用水控制標(biāo)準(zhǔn)和對(duì)策具有重要的指導(dǎo)意義。

二、數(shù)據(jù)來(lái)源與研究方法

1.數(shù)據(jù)來(lái)源

本文采用2014年中國(guó)城市居民家庭消費(fèi)金融調(diào)查數(shù)據(jù)中的家庭關(guān)系數(shù)據(jù)，研究城市家庭規(guī)模變化對(duì)生活用水的影響，該調(diào)查結(jié)果顯示，全部家庭的人口數(shù)量最少為1人，最多為9人。在樣本選擇時(shí)進(jìn)行了如下處理：

①刪除了人口為7—9人的樣本，這些樣本數(shù)量較少，其統(tǒng)計(jì)分析結(jié)果可靠性較弱，因此，未將其納入研究范圍。

②對(duì)人口為1—6人的樣本進(jìn)行了篩選，刪除了水費(fèi)為0的家庭，家庭中存在常住人口但沒(méi)有生活用水耗費(fèi)屬于異常情況。

經(jīng)過(guò)處理后樣本數(shù)據(jù)為4860個(gè)，分布于26個(gè)省、市以及自治區(qū)（見表1），其中，樣本量超過(guò)100的地區(qū)有17個(gè)，覆蓋了東部、中部和西部大部分地區(qū)以及北京、上海兩個(gè)特大城市，在各地區(qū)分布比較均勻。

2.生活用水量的計(jì)算

在本文采用的調(diào)研數(shù)據(jù)中，生活用水?dāng)?shù)據(jù)為用水費(fèi)用，研究中需要將水費(fèi)轉(zhuǎn)換成用水量，其方法為：調(diào)查各地區(qū)省會(huì)城市的階梯水價(jià)和水量，用其代表所屬地區(qū)的階梯水價(jià)和水量，對(duì)于施行固定水價(jià)的城市可以應(yīng)用公式（1）的第一級(jí)階梯用水量公式計(jì)算求得家庭生活用水量，對(duì)于施行階梯水價(jià)的城市按照公式（1）計(jì)算求得家庭生活用水量。

通過(guò)對(duì)數(shù)據(jù)進(jìn)行一般性檢驗(yàn)，將各家庭規(guī)模下樣本數(shù)據(jù)的描述性統(tǒng)計(jì)量列示如表2。樣本的均值位于[10.75，22.55]這一區(qū)間，標(biāo)準(zhǔn)差處于[13.56，27.37]之間，變異系數(shù)在[1.04，1.26]之間，所有區(qū)間長(zhǎng)度均較小。各家庭樣本值偏度均大于0，樣本值均呈右偏態(tài)，波形有右側(cè)長(zhǎng)尾，所有峰度遠(yuǎn)大于3，波形較為平坦，具有較好的代表性。

3.模型構(gòu)建

基于理論分布，構(gòu)造函數(shù)：

其中，p值是KolmogorovSmirnov檢驗(yàn)的顯著性檢驗(yàn)概率，p∈[0，1]，如果概率小于或者等于0.05，則認(rèn)為樣本來(lái)自的總體分布形態(tài)與指定的分布存在顯著差異，反之則不存在顯著差異。所以在各分布下當(dāng)p取最大值，同時(shí)該值需要大于0.05時(shí)，用水量數(shù)據(jù)來(lái)自的總體分布與初步篩選的分布無(wú)顯著差異，解出的Ai值就是各家庭規(guī)模下生活用水量中的基礎(chǔ)部分。同一家庭規(guī)模下如果初步篩選的幾種分布p值都大于0.05，還需要進(jìn)行下一步檢驗(yàn)以選出最優(yōu)分布，p值小于等于0.05的分布可以直接予以排除。

對(duì)家庭生活用水進(jìn)行形態(tài)分解的公式如下：

三、結(jié)果與分析

1.統(tǒng)計(jì)特性

進(jìn)行統(tǒng)計(jì)特征初步分析，觀察不同家庭規(guī)模用水量數(shù)據(jù)曲線與各統(tǒng)計(jì)分布函數(shù)累積風(fēng)險(xiǎn)曲線的擬合度，初步篩選出與原始數(shù)據(jù)擬合較好的分布，分析依據(jù)是家庭用水量數(shù)據(jù)曲線與累積風(fēng)險(xiǎn)曲線形狀越相近，說(shuō)明原始數(shù)據(jù)與指定分布擬合越好。初步篩選應(yīng)用的分布模型包括BirnbaumSaunders分布、Burr分布、Generalized Extreme Value分布、Inverse Gaussian分布、LogLoglogistic分布和Lognormal分布，其概率密度分布和累積概率密度如圖1和圖2所示。

進(jìn)一步分析Ai值和p值兩個(gè)參數(shù)可以發(fā)現(xiàn)，Generalized Extreme Value分布不存在最優(yōu)Ai值，Inverse Gaussian分布和BirnbaumSaunders分布的最優(yōu)Ai值全部為0，Lognormal分布2—4人家庭最優(yōu)Ai值均為0，1和6人家庭的最優(yōu)Ai值接近于0，這幾種分布均可以直接判斷不存在家庭生活用水量中的基礎(chǔ)部分，而Burr分布和LogLogistic分布的Ai值和p值相對(duì)較好（見表3），家庭生活用水具有較大可能符合Burr分布或LogLogistic分布，其相關(guān)參數(shù)如表4所示。

2.狀態(tài)分布

運(yùn)用蒙特卡洛方法進(jìn)行多組仿真，利用雙獨(dú)立樣本T檢驗(yàn)，分析仿真數(shù)據(jù)與樣本數(shù)據(jù)的分布一致性，進(jìn)一步判斷家庭用水的分布函數(shù)，其過(guò)程為對(duì)用水量數(shù)據(jù)與篩選出的兩種分布進(jìn)行每次30組、每組循環(huán)10000次的KolmogorovSmirnov檢驗(yàn)，在進(jìn)行KolmogorovSmirnov檢驗(yàn)時(shí)每次運(yùn)行30組，每組保證較多的循環(huán)次數(shù)，可以使計(jì)算結(jié)果更為穩(wěn)定可靠。

檢驗(yàn)結(jié)果中的拒絕次數(shù)表示的是用水量數(shù)據(jù)和模擬樣本不服從同一分布的次數(shù)，拒絕次數(shù)越多表明模擬效果越差，拒絕次數(shù)不高于1000可以說(shuō)明大約有90%的可能用水量數(shù)據(jù)和模擬樣本服從同一分布。通過(guò)比較不同家庭規(guī)模下Burr分布和LogLoglogistic分布的拒絕次數(shù)，可以發(fā)現(xiàn)兩種分布的拒絕次數(shù)較小且在某些家庭規(guī)模下比較接近。為了找出不同家庭規(guī)模下生活用水量數(shù)據(jù)服從的最優(yōu)分布，需要對(duì)這兩種分布依次進(jìn)行雙獨(dú)立樣本T檢驗(yàn)，檢驗(yàn)結(jié)果整理見表5。

結(jié)果表明，1—6人家庭均服從毛刺分布。在1—6人家庭規(guī)模下，Burr分布和LogLoglogistic分布的顯著性這一項(xiàng)均為0.000，根據(jù)統(tǒng)計(jì)學(xué)上的意義，顯著性小于0.05，說(shuō)明這兩種分布是存在顯著性差異的。參數(shù)估計(jì)部分已經(jīng)得出3人家庭服從毛刺分布，比較其他家庭規(guī)模下兩種分布拒絕次數(shù)的平均數(shù)可以發(fā)現(xiàn)，2、4和5人家庭毛刺分布拒絕次數(shù)的平均數(shù)遠(yuǎn)低于雙對(duì)數(shù)分布，6人家庭兩種分布的拒絕次數(shù)比較接近，但雙對(duì)數(shù)分布的Ai值偏小，因此可以判斷居民生活用水服從毛刺分布。

3.擬合結(jié)果

根據(jù)居民生活用水分布特征和本文所構(gòu)建模型，計(jì)算出不同規(guī)模家庭居民生活基礎(chǔ)用水（見表6）。

可以發(fā)現(xiàn)，基礎(chǔ)用水部分與家庭規(guī)模之間關(guān)系密切，隨著家庭規(guī)模的擴(kuò)大，基礎(chǔ)用水部分不斷增大，但其增量并非完全遵循邊際遞減的規(guī)律，具體表現(xiàn)出如下特征。

（1）1—3人家庭、4—5人家庭基礎(chǔ)用水增量均逐漸減小，呈現(xiàn)了邊際遞減規(guī)律，其中，2人家庭基礎(chǔ)用水比1人家庭增幅降低了0.3345t，這一般可以說(shuō)明，與單身生活相比，兩口之家生活狀態(tài)發(fā)生了實(shí)質(zhì)性的改變，共享用水部分對(duì)生活用水總量的影響最大;5人家庭基礎(chǔ)用水的邊際變化最小，僅比4人家庭增加0.0192t，說(shuō)明4人家庭和5人家庭用水的共享部分基本相同，其生活模式非常相近。

（2）4人家庭基礎(chǔ)用水增幅大于3人家庭，但增幅不大，6人家庭基礎(chǔ)用水大于1—5人家庭，在6類家庭中增幅最大，這說(shuō)明了代際對(duì)基礎(chǔ)用水的影響。6人家庭基本是三代人共同生活，參照世界衛(wèi)生組織對(duì)人口年齡的劃分標(biāo)準(zhǔn)，將18歲以下劃分為未成年人，18—44歲劃分為青年人，45—59歲劃分為中年人，60歲以上劃分為老年人，并對(duì)家庭進(jìn)行5位數(shù)編號(hào)，分別代表家庭中總?cè)丝跀?shù)、未成年人口數(shù)、青年人口數(shù)、中年人口數(shù)和老年人口數(shù)，在調(diào)研問(wèn)卷中，6人家庭共有246個(gè)樣本，三代人共同生活的家庭有232個(gè)，占比達(dá)到94.31%。6人家庭不同代際之間的飲食和作息均存在著巨大的差異，對(duì)家庭環(huán)境的要求也明顯不同，因此，在生活用水方面，共享的比重也相對(duì)較低。

上述變化特征表明家庭生活用水需求并不完全符合邊際遞減規(guī)律，這一現(xiàn)象從分布圖（見圖3）表現(xiàn)得更加明顯。

4.有效性檢驗(yàn)

為了進(jìn)一步分析擬合結(jié)果的有效性，將每種分布確定的最優(yōu)Ai值代入用水量形態(tài)分解公式，對(duì)實(shí)測(cè)數(shù)據(jù)與篩選出的分布進(jìn)行每次30組，每組循環(huán)5次的KolmogorovSmirnov檢驗(yàn)，其結(jié)果如圖4所示。在同一數(shù)軸上，可以利用箱形圖比較實(shí)測(cè)數(shù)據(jù)與仿真數(shù)據(jù)的差異，數(shù)據(jù)箱從下到上5個(gè)點(diǎn)依次是下邊緣值、下四分位數(shù)、中位數(shù)、上四分位數(shù)、上邊緣值，可以直觀看出各人口家庭用水量調(diào)研樣本數(shù)據(jù)與仿真結(jié)果上下邊緣、中位數(shù)、上下四分位的位置與高度基本相同，可以說(shuō)明擬合結(jié)果具有較好的準(zhǔn)確性。

為更有效地分析數(shù)據(jù)之間的差異，將不同規(guī)模家庭實(shí)測(cè)與仿真箱形圖這5個(gè)點(diǎn)的數(shù)據(jù)進(jìn)行計(jì)算。以一人家庭為例進(jìn)行分析，其余規(guī)模家庭的分析與之相同。一人家庭箱形圖下邊緣值均為0，不存在差異;下四分位數(shù)實(shí)測(cè)值為2.9301，仿真值在[2.9139，3.4625]區(qū)間范圍內(nèi);中位數(shù)實(shí)測(cè)值為6.2801，仿真值位于[6.0640，7.2601]區(qū)間;上四分位數(shù)實(shí)測(cè)值為13.1001，仿真值處于[11.0814，13.5321]之間;上邊緣值實(shí)測(cè)值為28.3551，仿真值在[22.5097，29.4594]之間，箱形圖5個(gè)點(diǎn)的實(shí)測(cè)數(shù)據(jù)均在仿真數(shù)據(jù)區(qū)間內(nèi)，且與仿真出的數(shù)值接近，數(shù)據(jù)一致性高。Pvalue反映的是調(diào)研樣本數(shù)據(jù)與仿真數(shù)據(jù)做雙樣本KolmogorovSmirnov檢驗(yàn)的顯著性檢驗(yàn)概率，Pvalue大于0.05，說(shuō)明分布的吻合程度高。除仿真五外，一人家庭其余的Pvalue值均大于0.05，進(jìn)一步說(shuō)明擬合效果良好。通過(guò)所有計(jì)算數(shù)據(jù)可以發(fā)現(xiàn)各人口家庭用水量仿真數(shù)據(jù)上下邊緣值、上下四分位數(shù)、中位數(shù)與實(shí)測(cè)數(shù)據(jù)基本一致，仿真能夠真實(shí)地反映統(tǒng)計(jì)特征。

四、結(jié)論與討論

1.結(jié)論

本文應(yīng)用2014年中國(guó)城市居民家庭消費(fèi)金融調(diào)查數(shù)據(jù)，利用統(tǒng)計(jì)推斷的方法，構(gòu)建城市居民生活基礎(chǔ)用水的分解模型，并對(duì)人口規(guī)模為1—6人的家庭用水情況進(jìn)行分布模擬，結(jié)果發(fā)現(xiàn)，城市居民生活用水總體上服從毛刺分布，且存在著基礎(chǔ)用水量，該基礎(chǔ)用水的大小與家庭規(guī)模密切相關(guān)，隨著家庭規(guī)模的擴(kuò)大，基礎(chǔ)用水呈現(xiàn)逐漸增加的趨勢(shì)，但其增量變化并非完全遵循邊際遞減的規(guī)律，其中1—3人家庭和4—5人家庭存在著邊際遞減規(guī)律，但4人家庭生活用水增量大于3人家庭，6人家庭基礎(chǔ)用水增幅最大。

在我國(guó)，居民生活用水基本上是一種粗放式管理，大多數(shù)城市仍然實(shí)行統(tǒng)一價(jià)格，即便是一些城市實(shí)行階梯水價(jià)，但最多為二級(jí)或三級(jí)階梯定價(jià)，四級(jí)定價(jià)的城市非常少。更為重要的是，用水量仍然以家庭為單位進(jìn)行考核，沒(méi)有考慮家庭中居住人口數(shù)量，這既有失公平，也容易助長(zhǎng)浪費(fèi)的風(fēng)氣。應(yīng)該說(shuō)，以家庭為單位制定階梯水價(jià)，在操作上不夠便利，但互聯(lián)網(wǎng)技術(shù)的發(fā)展，為及時(shí)統(tǒng)計(jì)家庭常住人口數(shù)量提供了可能性。用水量與人口密切相關(guān)，但階梯水價(jià)的設(shè)置并沒(méi)有很好地將人口因素考慮在內(nèi)。因此，在接下來(lái)的研究中，根據(jù)居民生活用水的規(guī)律和特征制定階梯水量和水價(jià)，是加強(qiáng)水資源管理精細(xì)化的必然要求，也是未來(lái)城市發(fā)展的必然趨勢(shì)。通過(guò)研究制定合理的家庭用水量管控標(biāo)準(zhǔn)，促進(jìn)社會(huì)的公平，保護(hù)我們賴以生存的水資源，這具有極強(qiáng)的現(xiàn)實(shí)意義。

2.討論

基礎(chǔ)用水僅反映了家庭人口共享用水部分的變化規(guī)律，其不完全遵循邊際遞減的規(guī)律，并不能說(shuō)明家庭生活用水總量的邊際變化也不遵循邊際遞減的規(guī)律。在家庭用水總量中，基礎(chǔ)用水僅是家庭用水的一個(gè)構(gòu)成部分，用水形態(tài)的另外一種表現(xiàn)形式——變動(dòng)用水部分滿足個(gè)人需要，盡管不一定完全隨人口變化成線性相關(guān)，但與家庭人口數(shù)量的相關(guān)性更高，其對(duì)家庭生活用水總量的影響更大。因此，家庭生活用水總體的邊際變化規(guī)律，還需進(jìn)一步分析變動(dòng)用水的變化特性之后才能確定。

參考文獻(xiàn)：

[1]沈恬， 陳遠(yuǎn)生， 楊琪. 城市生活用水能耗強(qiáng)度及其影響因素分析[J]. 資源科學(xué)， 2015（4）： 744-753.

[2]PEDRAM D， REZA K， SIAMAK M. An agentbased behavioral simulation model for residential water demand management： the casestudy of Tehran，Iran[J]. Simulation Modelling Practice and Theory， 2017， 78（11）： 51-72.

[3]LIU J G， RAVEN P H. Chinas environmental challenges and implications for the world[J]. Critical Reviews in Environmental Science and Technology， 2010， 40 （9-10）： 823-851.

[4]FENG Z. The national food security research[J]. Advances Applied Economics Finance， 2013， 4 （1）： 646-651.

[5]石志民， 袁國(guó)寶. 水資源可持續(xù)發(fā)展的對(duì)策與建議[J]. 科技創(chuàng)新與應(yīng)用， 2016（23）： 234-234.

[6]LEE D J， PARK N S， JEONG W. Enduse analysis of household water by metering： the case study in Korea[J]. Water & Environment Journal， 2012， 26 （4）： 455-464.

[7]潘文祥， 高學(xué)睿， 王玉寶， 趙旗， 孫淼. 城市家庭生活單元耗用水過(guò)程和機(jī)理研究進(jìn)展[J]. 南水北調(diào)與水利科技， 2017（1）： 140-147.

[8]ROSA D， VICENTE P， ANA S. Is there an environmental Kuznets curve for water use？ a panel smooth transition regression approach[J]. Economic Modelling， 2013， 31（38）： 518-527.

[9]KIRSTEN D， CORINNA D， ROBIN VAN DEN H， et al. Watersaving impacts of smart meter technology： an empirical 5 year， wholeofcommunity study in Sydney， Australia[J]. Water Resources Research， 2014， 50 （9）： 7348-7358.

[10]ZHANG C L， DONG L H， LIU Y， et al. Analysis on impact factors of water utilization structure in Tianjin， China[J]. Sustainability， 2016， 241（8）： 1-11.

[11]GEOFFREY J. SYME， SHAO Q X， MURNI P， et al. Predicting and understanding home garden water use[J]. Landscape and Urban Planning， 2004， 68（1）： 121-128.

[12]MOSTAFAVI N， ?SHOJAEI H R， ?BEHESHTIAN A， et al. Residential water consumption modeling in the integrated urbanmetabolism analysis tool （IUMAT）[J]. Resources， Conservation and Recycling， 2018， 131（4）： 64-74.

[13]JOACHIM S， THOMAS H. Determinants of residential water demand in Germany[J]. Ecological Economics， 2009， 68（6）： 1756-1769.

[14]MAKKI A A， ?STEWART A A， BEAL C D， et al. Novel bottomup urban water demand forecasting model： revealing the determinants， drivers and predictors of residential indoor enduse consumption[J]. Resources， Conservation and Recycling， 2015， 95（2）：15-37.

[15]PAULA V， CATARINA J， DDIA C. Assessment of household water use efficiency using performance[J]. Resources， Conservation and Recycling， 2017， 116（1）： 94-106.

[16]RATHNAYAKA K， ?MALANO H， ?ARORA M， et al. Prediction of urban residential enduse water demands by integrating known and unknown water demand drivers at multiple scales I：model development[J]. Resources， Conservation and Recycling， 2017， 117（2）： 85-92.

[17]LASINIDU J， DARSHANA R， SHUNSUKE M， et al. A GIS based spatial decision support system for analysing residential water demand： a case study in Australia[J]. Sustainable Cities and Society， 2017， 32（7）： 67-77.

[責(zé)任編輯?劉愛華，方?志]0