基于BP神經網絡的衡水市水資源承載力研究

安國慶

(河北省衡水水文水資源勘測局，河北 衡水 053000)

水資源是經濟社會發展與地球生態系統平衡不可或缺的長期戰略資源，對區域民生發展、生態健康有著重要影響[1]。隨著全球氣候變暖，水資源的降水來源機制發生深刻變化，加之人口增長、人為活動日益頻繁，加劇了水資源短缺的嚴峻形勢。研究水資源承載力(Water resources carrying capacity)，對宏觀認識區域水環境質量、水資源供應能力具有重要意義，也為水資源管理與保護提供基礎信息[2]。

1 研究區概況與數據源

衡水市地處華北平原南部、河北省東南側，地理位置介于E115°10′-E116°34′、N37°03′-N38°23′之間，全市面積8 815 km2，人口435萬人(2015年)。全市屬黃淮海沖積平原地形，地勢平坦，高程介于12～30 m。居于歐亞大陸中緯度東岸，受季風環流與海陸熱力性質控制形成溫帶大陸性季風氣候，季候分明、雨熱同期，年均溫12.6℃，降水量550 mm。全市水系發育一般、河流平緩，水量年內、年際變率較大，水資源總量達18.14×108m3，平均徑流深度為14.4 mm，地下水資源達5.92×108m3。衡水市用水總量達15.4×108m3，其中以地下水利用為主，達89.0%，水資源利用結構極不均衡，地下水環境破壞嚴重。

為表征衡水市水資源承載力現勢性特征和受制于數據可得性，確定研究年限為2010-2016年，以《中國統計年鑒》、《河北統計年鑒》、《衡水統計年鑒》等數據資料為基礎，提取相關的指標數據，在Excel 2016環境下對指標數據進行歸一化處理，應用Matlab2017b實施基于BP神經網絡的水資源承載力評價。

2 BP神經網絡模型

BP(Back Propagation)是由數學家Rumelhart、McCelland基于前饋神經網絡結合誤差逆傳播算法而提出的一種自學習模型[3]。該算法通過輸入、輸出等節點構建映射關系，可無需先驗關系完成網絡學習。圖1為BP神經網絡結構示意圖，由圖1可知該模型主要由輸入層、隱含層、輸出層3部分構成，以此為數學依據實施對衡水市水資源承載力的評價。其中，輸入層表征水資源承載力指標體系中各指標因子，輸出層表征水資源承載力指數，該拓撲模型通過學習、歸納水資源承載力指標級數與承載力指數之間的非線性多重映射函式，獲得水資源承載力評價能力。

圖1 BP神經網絡拓撲結構

2.1 水資源承載力評價指標體系與分級標準

水資源承載力是區域水資源在不損害未來滿足其供應潛力的條件下，利用現有的經濟技術水平，對一個地區經濟社會與生態環境發展最大支撐能力。由此可知，水資源承載力受多因素共同制約。從社會性來看，主要因素有人口、水資源利用、經濟發展水平、技術能力等；從自然屬性來看，主要有水環境、水資源儲量等。指標要素不僅要系統性反映水資源承載力的特點、影響因素，還應具有獨立性、數據可得性。鑒于此，在參考借鑒前人研究成果的基礎上，結合衡水市水環境、經濟社會、人口的特點，確定了由15個因子構成的水資源承載力評價指標體系，并基于指標屬性與水資源承載力的關系，確定了指標正負特征，詳見表1。

表1 各指標因子分級區間

制定科學的評價標準是對區域水資源承載力實現科學、客觀評估的關鍵，通常評價標準需要具有普適性、公開性，且能夠反映水資源承載力漸進變化特征。因此，參考國際標準、國家標準[4]，將水資源承載力劃分為5個等級，依次為盈余承載、基本承載、臨界、弱超載、嚴重超載等。例如指標C5水資源開發利用率，當其小于10%，說明該項指標處于盈余承載狀態，具有較大的開發利用潛力；C5介于10%～20%時，表示該項指標評價區間為基本承載，以此類推。水資源承載力是由多指標綜合表達的，其指數大小由各項指標因子非線性反饋而來。

2.2 模型參數與結構確定

2.2.1 數據預處理

指標體系中量綱差異顯著，為避免數據噪聲影響，采樣極大、極小值標準化方法，進行歸一化處理。公式如下：

正向指標：

yij=(xij-xminj)/(xmaxj-xminj)

負向指標：

yij=(xmax-xij)/(xmaxj-xminj)

2.2.2 生成訓練樣本

充足的訓練樣本能夠確保訓練模型獲得充分訓練，并提供模型可靠性。參照表1的評價分級標準(另將水資源承載力等級依次賦值為0.8～1、0.6～0.8、0.4～0.6、0.2～0.4、0～0.2)，在每個等級區間隨機內插生成200組樣本，以其中的150組作為建模訓練，另外50組為獨立驗證樣本。由此，5個等級區間共生成1 000組樣本，其中建模、驗證樣本共計750、250個。由此確定網絡結構，并進行建模訓練。

2.2.3 評價模型建立

在Matlab環境下運用LIBSVM3.2程序包，進行BP神經網絡模型建模訓練，網絡層數按照輸入節點個數設置，核函數確定為RBF類型，訓練速率為0.9，動態參數為0.75。根據訓練好的模型，將驗證樣本帶入，得到驗證準確率為100%，表明該模型可靠，具有一定適用性。

3 結果與分析

3.1 衡水市水資源承載力動態特征分析

將衡水市2010-2016年水資源承載力各項指標數據經歸一化處理后，參照BP神經網絡模型計算過程，得出近7年來衡水市水資源承載力，結果見圖2。在研究時域內，衡水市水資源承載力呈先上升后降低的趨勢。2012年之前，衡水市水資源承載力由0.482緩慢升高至0.487，這一時期區域水資源支撐能力逐步提升。究其原因則是由于這些年份衡水市降水量高于平均年份，提供了充足的地表水資源；同時對水域、濕地、河流保護凸顯成效，水域面積居于統計年份高值水平；另外，污水排放量也相對較低。而在2012-2016年間，衡水市水資源承載力由0.487逐步下降至0.453，結合表1分析獲知，由于該年份衡水市人口聚集加快，導致居民水資源占有量下降；水資源供應趨緊的形勢導致地下水開采量加大，這些因素終致衡水市水資源情勢惡化，水資源承載力減小。從其指數值域分布來看，7年間衡水市水資源承載力屬于臨界承載等級，表明水資源供應能力觸底，需要優化水資源利用結構，提高水資源利用率，加強水環境保護等，密切關注水資源承載超標情況。

圖2 衡水市2010-2016年水資源承載力指數

3.2 衡水市水資源承載力空間分布特征分析

為進一步了解全市水資源承載力局部信息，以縣域為單位，對各縣區市進行綜合評價，并在ArcGIS10.2平臺上繪制其空間分布圖，結果見圖3。由圖3可知，衡水市水資源承載力成帶狀自東向西遞減分布，市域東部的阜城縣、景縣、故城縣的水資源承載力指數較高，依次為0.574、0.581、0.524，主要由于衡水市東部人口分布相對稀疏，因而用水量較少；同時受地理位置影響，該區降水量高于西部，加之處于河流下游、徑流豐富，為區域提供了充足的水資源。安平、饒陽、武強、武邑、棗強縣的水資源承載力指數次之，依次為0.446、0.434、0.507、0.516、0.481，這些縣為衡水市農業生產大縣，用水量大；然而徑流深度較小、地表水資源分布較少，水資源承載趨緊。深州、桃城、冀州3區集中了全市1/3的人口，生產生活用水遠高于其他縣區，水域、濕地分布有限，水源涵養能力差，水資源承載力最弱。

圖3 衡水市水資源承載力空間分布

4 結 論

衡水市水資源承載力整體處于臨界狀態，局部來看呈現東西向空間分異。為應對這一不利局面，應采取綜合與分區管理：①統籌全市水資源開源節流策略，優化水資源利用結構，利用現代科技如海綿城市設施等充分利用地表水資源、減少地下水開采量；在水資源利用方面注重節約、高效。②空間上加強產業布局與水資源分布的匹配性，適當將部分產業遷移東部豐水區，控制耗水、污水排量大的產業。③強化水環境保護措施，同時加大力度投入水利工程的利用和建設，促進衡水市水資源的長效可持續利用。