水土保持生態(tài)效應(yīng)評(píng)價(jià)指標(biāo)敏感性分析

周 玲

(云南三江源工程設(shè)計(jì)咨詢有限公司，云南 昆明 650000)

評(píng)價(jià)指標(biāo)的敏感性主要是指該指標(biāo)對(duì)所評(píng)價(jià)目標(biāo)的影響程度和能力。關(guān)于指標(biāo)敏感性的研究，有許多專家學(xué)者進(jìn)行了不同方面的研究。田坤等[1]對(duì)水生態(tài)環(huán)境治理中的敏感性因素進(jìn)行分析和評(píng)價(jià)，選取對(duì)水生態(tài)治理影響較大的因素作為重點(diǎn)研究對(duì)象；郭鵬[2]使用有限元數(shù)值模擬的方法對(duì)輸水渠防滲墻和基巖滲透系數(shù)影響因素的敏感性進(jìn)行了分析，研究結(jié)果可以直接為引水渠防水提供理論支撐；黃開華[3]對(duì)百色市一水利大壩的位移影響因素進(jìn)行分析，查明不同因素對(duì)大壩位移產(chǎn)生的影響；李哲等[4]對(duì)水資源分異的敏感因素進(jìn)行分析，研究了哈爾濱地區(qū)水資源時(shí)空分布特征；陳衛(wèi)平等[5]研究不同情況下不同因素對(duì)環(huán)境模型評(píng)價(jià)效果的影響程度，并對(duì)相關(guān)的敏感性評(píng)價(jià)方法進(jìn)行了分析和研究。同時(shí)敏感性評(píng)價(jià)也應(yīng)用于其他眾多方面，如醫(yī)學(xué)[6- 7]、植物學(xué)[8]等。水土流失在我國頻繁發(fā)生，造成了嚴(yán)重的資源浪費(fèi)。由于影響水土流失的因素眾多，本文在前人研究的基礎(chǔ)上結(jié)合自身經(jīng)驗(yàn)[9- 10]，選取合適的評(píng)價(jià)指標(biāo)，對(duì)水土流失影響因素進(jìn)行敏感性分析，以期為治理水土流失提出更加具有針對(duì)性的建議。

1 水土流失影響因素分析

影響水土流失的因素眾多，包括：地形坡度、降雨強(qiáng)度、植被覆蓋率、土體密實(shí)度、風(fēng)力等級(jí)等。

其中地形坡度越大，表層土體越容易產(chǎn)生向下的運(yùn)動(dòng)，在降雨、風(fēng)蝕、人為擾動(dòng)情況下越容易產(chǎn)生水土流失；降雨對(duì)土體的沖刷是造成水土流失的重要原因，其他因素一致的情況下，雨強(qiáng)越大水土流失越嚴(yán)重；植被根系具有良好的固土作用，植被覆蓋率越高的區(qū)域水土保持情況越好；土體自身的密實(shí)度也是其防沖刷的一個(gè)重要的內(nèi)因，密實(shí)度越高，土體越容易保持原位；風(fēng)力等級(jí)越大，水土越容易流失且大顆粒的土體顆粒也將會(huì)被風(fēng)蝕帶走，造成土體流失。

2 水土流失影響因素敏感性分析

2.1 BP神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)模型按照結(jié)構(gòu)分析，主要可以分為三個(gè)層次：輸入層、輸出層、隱含層。輸入層-隱含層-輸出層各層次間包含有大量的神經(jīng)元連接。每條神經(jīng)元連接都有其自身特定的權(quán)值，作為其定量計(jì)算的連接強(qiáng)度。

在實(shí)際使用過程中，由輸入層輸入數(shù)據(jù)，經(jīng)過隱含層(中間層)后，變?yōu)榉蔷€性數(shù)據(jù)，從輸出層輸出結(jié)果，這是數(shù)據(jù)的正方向傳輸過程[11]。對(duì)比輸出結(jié)果與設(shè)定的目標(biāo)差值，如果輸出結(jié)果的精度達(dá)不到計(jì)算要求，則可以通過反向傳輸來重新調(diào)整參數(shù)閾值，經(jīng)過不斷的調(diào)整直至精度達(dá)到目標(biāo)的要求。通過誤差的反向傳播來調(diào)整精度過程就是神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)過程[9]。

計(jì)算過程如下。

定義函數(shù)ε：

(1)

式中，n—輸出層單元的個(gè)數(shù)；y—期望輸出值；y′—實(shí)際輸出值。

每個(gè)權(quán)值的修正值為：

(2)

式中，ωi—輸入數(shù)據(jù)k到隱含層i的權(quán)重；α—系統(tǒng)學(xué)習(xí)的效率；Ii—第i個(gè)隱含層的傳輸函數(shù)。

輸入層至隱含層之間的傳輸通常采用Sigmoid函數(shù)，Sigmoid函數(shù)輸入值為(-∞，+∞)，輸出值區(qū)間范圍為(0，1)，這樣有助于模型進(jìn)行訓(xùn)練學(xué)習(xí)。

f(x)=(1+e-x)-1

(3)

式中，x—輸入值。

隱含層到輸出值之間的關(guān)系通常采用Purelin函數(shù)來表達(dá)，即輸出值等于輸入值。

學(xué)習(xí)訓(xùn)練完成后，該模型即可應(yīng)用于實(shí)際工作。

2.2 基于Garson的參數(shù)敏感性分析方法

在神經(jīng)網(wǎng)絡(luò)反復(fù)訓(xùn)練學(xué)習(xí)過程中，兩個(gè)層之間的連接權(quán)值確定了輸入值對(duì)輸出值大小的影響程度，通過確定不同層次之間的權(quán)值(連接強(qiáng)度)即可確定輸入值影響輸出值的強(qiáng)弱程度。因此，可以描述這種強(qiáng)度的算法是十分必要的。

(4)

式中，Rij—輸入值的對(duì)輸出值的影響程度；Wij—輸入層i—隱含層j的連接強(qiáng)度；Wjk—隱含層j—輸出層k的連接強(qiáng)度；M、N—輸入層、輸出層的總數(shù)。

模型權(quán)值矩陣見表1。

表1 模型權(quán)值矩陣

計(jì)算過程如下：

(1)計(jì)算所有神經(jīng)元上的權(quán)值的絕對(duì)值的乘積。

如輸入值1—隱含層A—輸出值O，則有

PA1=|WA1WAO|

(5)

(2)計(jì)算輸入層-隱含層的貢獻(xiàn)值

QA1=PA1/(PA1+PA2+PA3)

(6)

(3)計(jì)算輸入值對(duì)輸出值的貢獻(xiàn)值

S1=QA1+QB1+QC1+QD1

(7)

(4)計(jì)算每個(gè)輸入值的相對(duì)貢獻(xiàn)值

R1=S1/(S1+S2+S3)

(8)

3 工程應(yīng)用

將水土流失程度劃分為三個(gè)級(jí)別，Ⅰ～Ⅲ級(jí)代表水土流失程度越來越嚴(yán)重。一處地形坡度為15°的區(qū)域，在降雨強(qiáng)度為10mm/d的降雨天氣下，風(fēng)力為2級(jí)，土體干密度為1.5g/cm3，植被覆蓋率為62%的情況下，水土流失等級(jí)為Ⅰ級(jí)，水土流失程度較輕。

為使計(jì)算方便快捷，結(jié)果可靠，采用正交試驗(yàn)，見表2，各指標(biāo)取值作為輸入層，通過組合計(jì)算得到的水土流失程度等級(jí)作為輸出層。正交試驗(yàn)結(jié)果見表3。將試驗(yàn)數(shù)據(jù)輸入模型中，輸入層的神經(jīng)元共有5個(gè)，輸出層神經(jīng)元1個(gè)，隱含層神經(jīng)元個(gè)數(shù)取11個(gè)，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練效果最好。神經(jīng)網(wǎng)絡(luò)不停地學(xué)習(xí)直至誤差達(dá)到所設(shè)置的閾值時(shí)可停止學(xué)習(xí)，此時(shí)可獲取輸入值與輸出值的關(guān)系。引入Garson算法對(duì)權(quán)值矩陣進(jìn)行相應(yīng)的處理獲取各輸入神經(jīng)元的相對(duì)貢獻(xiàn)量。各影響因素相對(duì)貢獻(xiàn)量見表4，通過表4可以看出，水土流失程度對(duì)各因素的敏感程度按照強(qiáng)弱順序如下：X3植被覆蓋率，X2降雨強(qiáng)度，X1地形坡度，X4土體密實(shí)度，X5風(fēng)力等級(jí)。研究區(qū)位于背風(fēng)坡，因此風(fēng)力強(qiáng)度對(duì)研究區(qū)水土流失程度影響最小。

表2 指標(biāo)評(píng)價(jià)等級(jí)

表3 正交試驗(yàn)表

表4 各影響因素相對(duì)貢獻(xiàn)量

4 結(jié)論

本文選取5個(gè)因素：植被覆蓋率，降雨強(qiáng)度，地形坡度，土體密實(shí)度，風(fēng)力等級(jí)作為水土流失程度判斷的評(píng)價(jià)指標(biāo)。結(jié)論如下：

(1)通過正交試驗(yàn)對(duì)評(píng)價(jià)指標(biāo)的敏感性進(jìn)行分析評(píng)價(jià)，在選取的指標(biāo)內(nèi)，植被覆蓋率為影響水土流失的最重要因素。

(2)影響水土流失的因素眾多，但各因素的重要程度相差較少，說明水土流失的產(chǎn)生遭受多方面因素的綜合影響，在防治水土流失過程中應(yīng)綜合考慮多個(gè)因素，以達(dá)到較好的治理效果。