基于模糊對向傳播神經網絡模型的大凌河流域水資源可持續利用系統評價

趙福林

(遼寧省大連水文局，遼寧 大連 116023)

目前，水資源緊缺、水體污染嚴重、水資源空間結構分布不均勻等矛盾十分突出，已成為限制水資源生態環境改善和人們生活水平提高的關鍵性因素，并對我國水資源的可持續發展戰略產生嚴重威脅。采用科學合理的指標評級標準，并選取具有代表性的評價指標體系是進行水資源可持續利用評價的基礎，準確科學的評價結果將對水資源有效調控產生重要影響，可為水資源調控制度的建立提供重要決策依據[1]。

國內外學者針對水資源管理問題，運用了多種理論和方法，從各個角度開展了大量水資源可持續能力的研究，取得了一定的成果，形成了各自的方法理論。以往水資源可持續評價模型的基本原理是通過對比分析評價指標量化值與評價等級標準之間的差值進行可持續利用能力分析，所以適用性和評價結果的可靠性都有待進一步的研究探討。

采用科學合理的評價指標標準是評價結果可靠性對比分析的重要原則，根據各評價指標的樣本序列數據，可進行不同評價等級的劃分，其劃分等級即為利用評價結果的主要結論[2]。文中首先對神經網絡的基本層次按照標準進行了三個層級的劃分，并詳細介紹了各層次的計算過程和基本公式，根據模型的儲存容錯性、信息收集處理性、組織識別可塑性等基本特點，選擇了經過確定的評價等級標準為參考依據，最終建立了基于模糊對向傳播的水資源評價模型，以大凌河為研究對象，開展了該流域水資源開發利用的科學合理性評價分析[3- 5]。

1 模糊對向傳播神經網絡模型基本原理

1.1 概述

1987年，由美國計算機科學家提出的對向神經網絡理論具有良好的分類靈活性，且基本理論清晰，計算簡潔快速等特點。其基本原理是將隨機數學理論和網絡傳播基本原理科學合理的結合，有效地解決傳統CP網絡存在的兩大問題。一方面CP網絡模型在運算過程中神經元不能夠被充分的利用，如距離較遠的神經元不能夠被準確獲取而形成死結點；另一方面在CP網絡模型進行運算時，因輸入參數模式的局限性，造成模型對有效信息識別的誤判進而導致神經元競爭之間的信息被大量的流失[6]。

模型按照一定的順序和計算規則完成樣本自輸入層，經過競爭層然后到輸出層的計算，其中輸入層到競爭層的連接向量為Wj=(ωj1,ωj1,…，ωj1)，j=1,2,…，Q；競爭層到輸出層的連接向量為Vl=(Vl1,Vl1,…，Vl1)，l=1,2,…，M；模型根據網絡學習和網絡回想兩類計算方法和基本理論，最終將樣本完成模糊對向傳播神經網絡的計算，并根據原有的評價等級標準，按照基本計算原理作出科學的評價。

1.2 建模思路

水資源可持續利用評價以評價等級標準為依據，根據模糊CP網絡結構順序，利用模型數學隨機處理技術引入評價指標序列，然后將各評價指標序列賦予各自的運算規則和理論，計算各評價樣本的訓練結果，經過上述計算過程可完成各評價指標對評價系統輸入層的系統輸入[7- 9]。

構建模型首先應結合評價指標數量和評價等級數量N，進行輸入層神經元M的確定，并以Q為輸出層的神經元，同時進行競爭層神經元的設定，并根據計算公式完成網絡學習參數的設定；然后利用神經網絡學習法進行網絡結構參數和各神經元權重系數的計算，建立適用于大凌河的科學評價模型；利用模型中網絡回想基本原理將輸入模型的基本數據完成樣本計算，可在系統輸出層輸出最終的評價等級，根據不同的評價數據值進行等級標準的對比分析可完成水資源開發利用現狀的科學合理判斷。

2 模型的建立及計算方法研究

2.1 建立模型

(1)

式中,r=1,2,…，nk;s=1,2,…，h;k=1,2,…，K,nk—對應于k個評價標準層級下的指標序列最大數，可根據等級數量和隨機生成數量進行計算。

2.2 網絡學習計算

(1)設定t為1，即代表當前的學習次數。

(2)

(3)

(4)本文根據模糊C均值法進行隸屬度函數的確定。參數隸屬度可用下式進行計算：

(4)

(5)將各自的神經元進行線性組合疊加計算即可神經元數據的輸出，則h個評價指標的線性加權組合可用下式進行計算：

(5)

(6)將連接權向量按下式進行適當調整。

(6)

式中，α—學習率,0<α<1。

(7)然后將調整后的連接權向量W按照公式(3)進行統一化處理。

(8)將連接權重向量V按下式進行適當調整。

(7)

式中，β—學習率,0<β<1。

按照以上步驟反復進行計算，直至將P個輸入模式全部完成計算并輸入網絡系統模型。當t=t+1，在網絡模型中的輸入模式為Ak時，重新輸入模型反復進行網絡學習。當t=T時，則競爭層的神經元收斂，T的總學習次數在500

2.3 網絡回想計算

(1)上述待識別樣本數據完成統一化處理后，首先將數據X=X1,X2，…，XN輸入至網絡輸入層。

(2)按照在網絡學習計算過程中的公式(4)進行對應于數據X=X1,X2，…，XN的模糊隸屬度計算。

(3)對應于數據X=X1,X2，…，XN的神經網絡識別結果可按照公式(5)進行計算，可得到網絡輸出yi,Y=(y1,y2，…，yM),該計算輸出結果即是水資源可持續利用的評價等價。

3 應用實例

大凌河河流位于遼寧省西部，該河流水資源空間結構分布不均勻，水資源供需矛盾持續緊張，且河流水體污染嚴重，水土保持現狀不容樂觀，水資源的可持續利用受到嚴重威脅[10- 11]。科學合理的確定評價指標和評價標準將直接影響到評價結果的可靠性和適用性，故本文參考有關大凌河水資源可持續利用發展的相關資料，同時結合相關的實際經驗，建立了大凌河水資源評價指標和標準體系，見表1。

表1 大凌河水資源可持續利用系統評價標準及評價體系

結合表1所選中的評價指標和取值范圍，網絡模型可根據公式(1)隨機生成10個評價等級標準值和評價指標值，則4個評價等級標準和各評價指標值即可構成40個樣本評價指標體系，見表2。

表2 模糊對向傳播神經網絡訓練數據

設定神經元數N=8，輸出層神經元M=4，則4個評價等級的期望輸出分別為(1，0，0，0，)，(0，1，0，0，)，(0，0，1，0)，(0，0，0，1)，然后采用k等級的期望網絡輸出和生成的Zrs作為模型樣本的訓練集合。設定競爭層的神經元Q=14，故對向網絡傳播神經的拓撲結構關系為8-14-4；模糊因子m=3，訓練次數T=2500，利用經驗公式進行調整，則學習效率。將上述參數和計算結果輸入模型系統，則大凌河河流的評價等級計算結果見表3。

表3 模型對大凌河水資源可持續利用的評價結果

4 結語

文中對國內外有關水資源開發利用的評價方法進行了概述，在詳細分析神經網絡傳播途徑和節點構造的基礎上，總結其優點和特性，結合研究河流的基本狀況和相關資料，建立水資源利用評價模型。通過模型的儲存容錯性、信息收集處理性、組織識別可塑性等基本特點，以確定的評價等級標準為參考，按照文中的計算流程和計算原理，對大凌河流域水資源可持續利用進行科學合理的評價分析。

評價結果具有較強的可靠性和科學性，可以與該流域的實際情況保持高度的一致性，且本文對模型的計算原理和計算過程進行了詳細的描述和分析，模型可操作性強，能夠有效解決傳統的CP網絡具有的兩大難題。該方法具有簡單、客觀、適用、可靠等特性，可適用于其他相關流域的水資源可持續利用等級的評價。

[1] 杜榮海. 遼寧省水資源量情勢淺析[J]. 水土保持應用技術, 2008(02): 27- 28.

[2] 程瑤, 孫倩, 馬建琴, 等. 區域水資源可持續利用系統評價的模糊對向傳播神經網絡模型[J]. 水文, 2016(02): 28- 31.

[3] 程海英. 錦州市城區水資源現狀及優化配置方案[J]. 水土保持應用技術, 2015(06): 22- 23+32.

[4] 全占東. 水足跡理論視角下遼河流域水資源評價[J]. 水土保持應用技術, 2017(01): 22- 24.

[5] 馬宇, 王淑偉. 遼寧省水資源現狀分析及保護措施研究[J]. 水利規劃與設計, 2015(11): 42- 44.

[6] 李學森. 凌河流域水資源現狀及保護措施[J]. 水土保持應用技術, 2015(03): 36- 37.

[7] 朱佳佳. 九龍江流域水環境狀況及治理對策初探[J]. 水利技術監督, 2009(04): 27- 29.

[8] 曲錦艷. 遼寧省水資源存在的問題與保護對策[J]. 水土保持應用技術, 2002(06): 16- 17.

[9] 劉啟和. 基于遼陽縣地下水資源質量評價的研究[J]. 水土保持應用技術, 2016(05): 47- 49.

[10] 黃亮. 水資源可持續發展存在的問題及對策[J]. 水土保持應用技術, 2013(04): 32- 34.

[11] 張海軍. 水資源保護監測存在問題及建設初探[J]. 水土保持應用技術, 2016(03): 40- 43.