基于RBF神經網絡的筑壩建庫環境影響綜合評價——以富嶺水庫為例

劉　斌　殷國仕　周召梅

（湖南水利水電職業技術學院　長沙市　410131）

基于RBF神經網絡的筑壩建庫環境影響綜合評價——以富嶺水庫為例

劉斌殷國仕周召梅

（湖南水利水電職業技術學院長沙市410131）

針對水電工程與社會、經濟、生態、環境系統復雜的關系，選用PSR概念模型建立指標體系，構建了基于RBF的神經網絡模型。以2014年為評價水平年，對富嶺水庫的環境影響進行評價。根據訓練好的神經網絡，輸入評價指標，計算得出評價指數為0.379。結果表明：生態環境影響處于四級，總體為負效應，但影響程度較小。

筑壩建庫神經網絡環境影響綜合評價

在河流上筑壩建庫是人類開發利用水資源，控制河流對人類危害的一項重要活動。水庫工程在防洪、灌溉、發電、供水、養殖及改善航運條件等方面發揮了巨大作用，但在河流上建設水庫，通過對河流通道的阻隔、水庫淹沒、人為徑流調節等人工干預，改變了河流的各種循環模式，破壞了河道原有的生態系統，影響了河道的生態功能，并對周邊生態系統工程產生負面影響。

現行的環境影響評價多采用單因子法、綜合指數法、主成分分析法、層次分析法等，這些方法在指標權重的確定上仍具有很大的主觀性。人工神經網絡具有自組織、自適應、自學習和容錯性等優良性質以及復雜的并行分布處理能力，因而能夠從具體的學習樣本出發，獲得基于客觀的權重。人工神經網絡已被用于水質評價、大氣質量評價、安全評價等應用中，但在筑壩建庫的宏觀環境影響評價中還未采用。本文在對評價指標及評價標準的研究基礎上，采用RBF神經網絡對筑壩建庫的水電工程生態環境影響進行定量評價探索。

1　評價指標體系的構建

1.1構建原理

水電工程生態環境影響研究所面對的是一個涉及社會、經濟、生態、環境的紛繁復雜的大系統，在這個系統內既有自然因素的影響，又有社會、經濟、文化、傳統等因素的影響。

針對水電工程與社會、經濟、生態、環境系統復雜的關系，為滿足水電工程管理與水資源保護管理和決策要求，選用PSR概念模型來建立指標體系?！皦毫Γ≒ressure）─狀態（State）─響應（Response）”概念模型是國際上流行的指標體系，簡稱PSR模型。基于PSR的指標體系充分考慮了水電工程建設對生態環境的破壞和改善的雙重效果，在評價過程中包含了經人類活動影響帶來的生態修復的作用，全面反映了對生態環境的影響，具有真實性、系統性和準確性。

借鑒壓力-狀態-響應這一思路，分析研究其在各領域的運用案例，根據水電工程生態環境影響的特點，建立起指標體系的具體框架，形成水電工程生態環境影響綜合評價的PSR概念模型框架圖（圖1）。

圖1　水電工程生態環境影響評價的PSR概念模型框架

1.2評價指標體系構建

在PSR模型中，壓力指標體系表征人類修建水電工程對最初的自然條件變化和社會經濟而引起的壓力，狀態指標體系表征受影響的自然生態環境系統中各因素的狀態或趨勢，響應指標體系表征人類在改善生態環境的行為。

評價指標選取的依據主要從體系的完整性、正確性、可行性入手，在不失全面的情況下，盡量減少體系中指標的個數，注重指標的影響評價功能，選擇和確定評價指標。指標詳見表1。

表1　筑壩建庫生態環境影響綜合評價指標體系

2　筑壩建庫環境影響評價模型

2.1評價水平年確定

水電開發對環境帶來的影響是動態變化的，建庫前、施工過程中和建庫后，生態環境都在不斷變化，因此針對環境影響的評價需要確定評價水平年，選擇一個具有代表性的年份進行環境影響評價。對于評價水平年的選擇可以選：①工程修建前；②工程投產后；③工程運行若干年后。

2.2評價區域和層次確定

流域生態系統是一個復合的大系統，梯級水電開發對系統的影響廣泛而深刻，自然環境、社會環境的差異，導致工程對環境影響區域各點各塊的影響程度和性質上存在差異。水利工程環境影響的范圍包括庫區、上游段、下游段及周圍區域等。

按照層次分析方法，根據評價對象各組成部分之間的相互關系，將其歸納為下列層次結構體系：

目標層，以水電工程對生態環境影響綜合評價指數為目標層，以綜合表征生態環境影響態勢；準則層，以生態環境影響內部具有邏輯關系的筑壩建庫壓力、生態環境狀態和工程生態環境響應作為準則層的評判依據；指標層，是指標體系中最基本的層面，即評價要素有哪些具體指標來表達。

2.3基于RBF的神經網絡模型

徑向基函數神經（Radial Basis Function，縮寫成RBF）網絡簡稱徑向基網絡，是由J.Moody和C. Darken于20世紀80年代末提出來的一種神經網絡結構，它是具有單隱含層的3層前饋神經網絡。目前已經證明，徑向基網絡能夠以任意精度逼近連續函數。

徑向基網絡輸入層節點只傳遞輸入信號到隱含層,隱含層節點由像高斯函數那樣的輻射狀作用函數構成,而輸出層節點通常是簡單的線性函數。徑向基網絡傳遞函數的原型函數為：radbas（n）=e-n2。

隱含層每個神經元與輸入層相連的權值向量w1i和輸入向量Xp（表示q個輸入向量）之間的距離乘上閾值b1i作為本身的輸入。

由此可以得到隱含層的第i個神經元的輸入

徑向基函數的閾值b1可以調節函數的靈敏度，但在實際應用中使用擴展系數C。b1和C的關系有多種確定方法，在MATLAB神經網絡工具箱中，b1和C的關系為b1i=0.8326/Ci。不難看出，C值的大小實際上反映了輸出對輸入的響應寬度。C值越大，隱含層神經元輸入向量的響應范圍越大，而且神經元之間的平滑度也較好。

輸出層的輸入為各層神經元輸出的加權求和。由于傳遞函數為純線性函數，因此輸出算式為：

在RBF網絡的學習之前，需要提供輸入向量X、對應的目標向量T與徑向基函數的擴展常數C。學習的目的是求取兩層的最終權值w1、w2和閾值b1、b2。

本文的神經網絡通過MATLAB6.5軟件系統的神經網絡工具箱來實現。應用徑向基網絡算法建立筑壩建庫生態環境影響綜合評價模型按照如圖2進行。

圖2　筑壩建庫生態環境影響綜合評價模型RBF算法流程圖

3　富嶺水庫環境影響評價

3.1項目概況

富嶺水庫位于瀏陽市沿溪鎮，大溪河一級支流大光河中游，大光河屬于瀏陽河支流大溪河的一級支流，發源于瀏陽市次高峰，海撥1 600 m的連云山脈，流域面積為74.2 km2，河道長26 km，流經大光河、三合口，于沿溪鎮匯入大溪河。

富嶺水庫正常蓄水位為190.0 m（黃海高程，下同），設計水位為192.2 m，校核水位為192.7 m，防洪限制水位為184.5 m，防洪高水位為192.2 m，死水位為171 m；總庫容為1 311萬m3，死庫容為184萬m3，防洪庫容為535萬m3。

3.2評價指標體系的選取和評價標準的確定

由于指標體系中的各項評價指標的類型復雜，單位存在差異，難以進行比較和綜合分析，因此，需要對各指標進行量化，即無量綱處理，并劃分成11級，然后根據它們對生態環境影響的大小，對每級給定標準化分值，取值設定在-1.0～1.0之間，見表2。標準的制定需要進行敏感性分析，并應以國家標準、行業標準、其它國際標準和已取得的研究成果等為參照值，通過專家咨詢，研究得出具體指標的劃分評價標準。

3.3評判標準的確定

將筑壩建庫生態環境影響指數劃分為五級：

一級，工程對生態環境影響大，綜合指數為± 0.8～±1.0；二級，工程對生態環境影響較大，綜合指數為±0.6～±0.8；三級，工程對生態環境影響中等，綜合指數為±0.4～±0.6；四級，工程對生態環境影響較小，綜合指數為±0.2～±0.4；五級，工程影響小，即筑壩建庫對生態環境幾乎沒有影響，綜合指數為±0.2～0.2。

其中，如果結果為負，則為負影響，即為不利影響大于有利影響；如果結果為正，則為正影響，即為有利影響大于不利影響。

3.4基于RBF的神經網絡應用

（1）樣本數據的預處理。

①生成隨機數據。由于人工神經網絡評價模型需要大量的數據來進行網絡學習訓練，但水電工程的生態環境影響評價研究缺少大量的資料供我們使用。為了提高訓練精度，對標準類別進行有限次內插，從而增加訓練樣本。本次采用在評價分級標準范圍內產生隨機數的方法來獲取訓練樣本。利用MATLAB的數學工具，產生了10組隨機數。

表2　筑壩建庫生態環境影響評價指標量化標準

②無量綱歸一化。由于數據間的量綱不統一，在評價時無法進行一致性比較，因此需進行無量綱歸一化處理。

采用無量綱歸一化公式：

式中X’──目標數據；

X──原始數據；

Xmax、Xmin──原始數據的最大值和最小值。在評價標準中，不利影響評價指標只在負的等級內取值，即在-1.0～0內，因此在評價前應將前面空缺的標準補齊，以便進行網絡訓練。考慮到指標取值的實際范圍，我們將最?。ㄗ畲螅┛赡艿娜≈底鳛閿祿臉O值，并經過無量綱歸一化后分別以0和1代替。

有利影響評價指標的評價標準取值正負均可取，即可在-1.0～1.0內任意取值，在制定標準時考慮到人為判別的能力，也只取了5級，在評價時我們以上下兩級的均值來補齊中間的評價等級標準。

③評價指標標準化。富嶺水庫筑壩建庫不同階段指標初始值和無量綱處理后指標值見表3。

（2）RBF網絡模型設計。

本文采用徑向基函數（RBF）三層網絡。由前文得知，生態環境影響綜合評價指標為12個，因此RBF神經網絡模型的輸入層節點數為12個。在生態環境指標各級標準范圍內分別隨機產生10個樣本，作為輸入數據進行網絡訓練，經過30次學習，達到誤差要求。

3.5評價結果

根據訓練好的神經網絡，輸入需要評價的評價指數，即可得出評價結果。計算得出評價指數為0.379，表明生態環境影響處于四級，總體為負效應，但影響程度較小。

4　結論

（1）根據建庫環境影響的特點，從 “壓力 （Pressure）-狀態（State）-響應（Response）”出發，綜合考慮建庫對環境和影響及人類修復措施的成效構建了評價指標體系，并建立了基于RBF的神經網絡評價模型，對建庫造成的環境影響進行定量評價。

（2）將模型應用于富嶺水庫開發對生態環境影響評價,經過評價指標因子識別、量化，輸入到神經網絡模型，結果表明：富嶺水庫評價指數為0.379，表明生態環境影響處于四級，總體為負效應。富嶺水庫的生態系統的正常運行受到了影響，需要采取一定的生態修復措施進行修復。

[1]水電與可持續發展北京宣言[N].人民日報.2004-11-30.

[2]張博庭.我國的水電開發與環境保護[J].水電及中國農村電氣化，2007，（6）:20-22.

[3]吳澤斌，水利工程生態環境影響評價研究[D].武漢：武漢大學，2005.

[4]Lee,N.,F.Walsh.Strategic environmental assessment: an overview[J].Project Appraisal，1992，7（3）:126-136.

[5]Wood,C.,M.Djeddour.Strategic environmental assessment: EA of policies,plans and programmes[J].Impact Assessment Bulletin，1992，10（1）:3-22.

[6]Therivel,R.,E.Wilson.Strategic Environmental Assessment [M].London:Earth scan Publication Ltd,1992.

[7]喬俊飛,韓紅桂.RBF神經網絡的結構動態優化設計[J].自動化學報，2010，36（6）:865-869.

[8]崔寶俠，高鴻雁，等.神經網絡在水環境影響評價方面的應用[J].沈陽工業大學學報，2004，26（2）:168-170.

[9]郭彥，王海芳.神經網絡模型在環境現狀評價中應用研究[J].環境科學與技術，2010，33（11）:191-196.

[10]李朝霞，牛文娟.水電梯級開發對生態環境影響評價模型與應用[J].水力發電學報，2009，18（2）:35-41.

劉斌（1981-），男，湖南新化人，碩士研究生，講師、工程師，主要從事水利職業教育與水利工程設計等工作。

（2016-02-28）