水利工程移民安置補償費預測方法研究

張 星，曹靖夫，劉 流

(貴州省水利水電勘測設計研究院，貴陽 550002)

0 引 言

水利工程建設在防洪、發電、灌溉、供水等多方面發揮巨大的經濟效益和環境效益，為國民經濟的快速發展提供了重要的支撐和保障[1]。與此同時，也引出了大量的移民安置問題，給社會經濟發展帶來沉重的負擔?？紤]到水利工程移民數量龐大，同時還涉及到工程建設、區域經濟發展、生態環境以及社會重建等諸多方面，水利工程移民安置處理不好，可能發生破壞經濟結構、人民生活困難、生態環境惡劣等嚴重后果。

目前，普遍的水利工程移民安置都是按照低標準補償、簡易搬遷等方式安置，存在“重工程、輕移民、重搬遷、輕安置”的指導思想，這種政策下極易引發社會矛盾和沖突[2]。為了避免此類現象的發生，水利工程移民安置政策的變化越來越偏向于移民安置補償問題，導致現在的水利工程中移民安置補償占工程總投資的比重越來越大。安置補償費一般指的是主要依靠土地生產資源并以此保障正常生活，國家所給予的補償費用。影響移民安置補償費的因素有很多，合理預測補償費有助于控制水利工程總體成本，避免不必要的成本浪費。

對于水利工程移民安置補償費的預測，常用的傳統預測方法是因素分析預測法和定額預測法，這兩種方法在使用過程中存在擬合值過高的問題。為此，設計一種新的水利工程移民安置補償費預測方法，確定移民安置補償費預測指標，并以此為基礎，測算土地年收益以及安置補助費，綜合土地還原利用率完成補償費的預測。

1 水利工程移民安置補償費預測方法設計

1.1 確定移民安置補償費預測指標

一般情況下，水利工程移民安置補償費是按照征收土地數量乘以補償補助標準確定的，土地補償補助標準與各地政府有關規定相關[3]。相關條例規定移民安置應當堅持以農業生產安置為主的原則，根據生產安置人口，對安置區的社會經濟狀況、人均耕地占用量、生產條件和生產水平、人均基本人口、人均純收入構成[4]。具體內容見表1。

表1 水利工程移民安置補償目標標準

根據表1中的內容確定移民安置補償標準，以此為依據，確定移民安置補償費的指標為生活水平評價指標，具體指標有移民人均資源占有量、移民人均糧食擁有量和移民人均年收入[5]。其中人均糧食擁有量是為了保證移民安置后有基本口糧，保證移民安置后的基本生活需求；人均資源占有量主要指移民安置后人均土地數量，在保證移民擁有基本口糧的基礎上，移民擁有土地數量應與安置區居民基本相當，人均資源占有量與土地年收益息息相關；而移民人均年收入需要根據農業收入與非農業收入來衡量，主要根據這一指標來測算安置補助費。

綜上所述，水利工程移民安置補償費的預測需要先測算移民土地年收益以及安置補助費，完成后綜合土地還原利用率預測移民安置補償費。

1.2 移民占有土地年收益測算

移民占有土地年收益指的是年總收益與總費用之差，根據收益還原法的理論依據，決定土地價值的主要因素是未來的因素而不是過去的因素，而常規的預測方法利用的過去資料來推斷未來，這樣的方法容易使預測出的土地年收益存在誤差[6]。

依據土地估價原理，土地的收益與土地地上的作物結構和歷年的產量及作物的市場價格相關，根據以上相關因素，經過合理整合后就是土地純收益[7]。

土地年收益預測采用灰色系統GM(1.1)模型，將已知數據序列看作隨時間變化的灰色過程，挖掘出潛藏的有序的指數規律，準確反映出待預測對象的整體發展趨勢。假設土地年收益行為數據序列為H=(h(1),h(2),…,h(n))，若趨勢變化函數f=2,3,…,n，h(f)-h(f-1)>0，則稱H為單調遞增序列；若h(f)-h(f-1)<0，稱H為單調衰減序列；存在f，f′∈{2,3,…,n}有h(f)-h(f-1)>0，h(f′)-h(f′-1)<0，則稱H為隨機振蕩序列，設W=max{h(f)f=1,2,…,n}，w=min{h(f)|f=1,2,…,n}，稱R=W-w為序列H的振幅。使用GM(1.1)模型處理數據時，處理負數序列，使序列元素為正值[8]。處理后的序列經過累加生成后，減少隨機性，使原始土地年收益行為數據序列H滿足準光滑性檢驗和準指數規律檢驗：

(1)

式中：ξ為準光滑性系數；φ為準指數。

此時稱數據序列H具有指數增長的規律，滿足一階線性微分方程：

(2)

式中：η為發展灰數，反映了數據序列H的發展趨勢；α為內生控制灰數，反映數據之間的變化關系。

利用上述公式得到土地年收益的表達公式：

(3)

其中f=0,1,…,n-1，經過累減還原后，整理得到：

(4)

式中：f=2,3,…,n。

完成土地年收益測算后，計算安置補助費。安置補助費是一種臨時性的補助費用，以水利工程征地補償標準的合理性判斷指標為依據，計算安置補助費。

1.3 移民安置補助費測算

在水利工程征地補償中，合理性是非常重要的，主要體現合理的三方面分別是合理的移民安置政策、合理的界定征地補償范圍以及合理的價值標準，其中價值標準的合理性判斷是水利工程征地補償合理性目標實現的關鍵。

水利工程中被征用土地的群眾在失去土地后面臨的謀生手段和生活方式的改變以及生活成本的增加，僅僅根據曾經的生活水平來判斷是不嚴謹的，預測其后續生活的消費成本才是關鍵[9]。其后續生活成本主要包括衣食住方面，滿足移民因土地征用而造成的生活成本的增加，以移民的實際安置成本和家平均每人年消費支出作為其量化指標，才是合理的安置補助標準。

目前的居民生活水平根據土地擁有的不同兩種居民，分別是以農業收入為主要收入途徑的居民和非農業收入途徑為主要收入途徑的居民[10]。針對主要依靠農業來保證生活的居民，考慮其就業的困難性，以支付5年的生活消費成本計算，生活消費水平采用對應地區的城鎮低收入戶平均每人全年消費性支出數據。

假設居民人均純收入為Si，居民生活消費支出為So，通過公式測算安置補助費，公式為：

M=5(Si-So)×0.92

(5)

完成安置助費的測算后，綜合土地年收益，預測水利工程移民安置補償費。

1.4 移民安置補償費預測

已知移民占有土地年收益以及安置補助費的情況下，還需利用土地還原利用率來綜合測算。土地還原利率需要通過安全利率加風險調整值法確定，根據土地估計規程的規定，風險調整值主要由災害性天氣、地區的社會發展水平等因素對土地的影響程度而確定。不同的地區土地還原利用率不同，與市場平均風險報酬率和無風險利率相關，在水利工程移民安置補償費的預測中用g={g1,g2,…gn}表示土地還原利用率。通過以下公式測算移民安置補償費，公式如下：

(6)

式中：p為移民家庭總人口；R為安置補償費。

將安置補償費作為新的數據序列，再一次利用GM(1.1)模型預測最近的一個數據R(n+1)，將其作為新信息加入到原始數據序列中，替換掉原始序列R(1)，形成新的序列，修正模型參數，檢驗精度，直到完成預測為止。

為了確保預測值的真實性，采用平均相對誤差和均方差兩種方法檢驗。

平均相對誤差檢驗如下：

(7)

均方差比值檢驗如下：

(8)

兩種檢驗方法檢驗標準見表2。

表2 平均相對誤差法與均方差比值法檢驗標準

經過兩種檢驗方法驗證，保證了預測的真實性，至此水利工程移民安置補償費預測完成。

2 水利工程移民安置補償費預測方法仿真測試

2.1 測試數據模擬

通過計算機模擬移民安置補償費預測方法測試數據，數據包括移民人均純收入、移民人均支出費用、人均占有土地面積、單位耕地面積純收益以及土地片區價。模擬的詳細數據見表3。

表3 測試數據模擬

以上數據就是通過計算機模擬出來的5組測試數據，用于后續的預測方法精度測試以及不同的預測方法擬合值對比測試。

2.2 預測方法精度測試

在測試水利工程移民安置補償費預測方法之前，首先測試該預測方法的精度，利用表3中的測試數據，使用均方誤差比值法和平均相對誤差法檢驗移民安置補償費預測方法的精度。

經過5次測試后，測試結果見圖1-圖2。

圖1 平均相對誤差檢驗結果

圖2 均方差比值檢驗結果

圖1中顯示平均相對誤差始終在0.01以下，圖2中顯示均方差比值始終在0.1以下，將結果與表2中的檢驗標準對比，證明該預測方法精度較高，符合后續測試要求。

2.3 不同預測方法擬合值對比測試

在預測方法中，擬合值是數據逼近重要部分與其之間的共同點，通過調整已知函數中若干待定系數，使得該函數與已知數據序列的差別最小。擬合值越小，說明預測方法越好，預測結果與實際結果越相近，具有較強的說服力；擬合值越大，預測出的結果與實際結果相差較大，預測方法較差。

將測試數據輸入至Matlab軟件中，通過該軟件將不同預測方法的擬合值表達出來。將采用因素分析預測法測試的結果作為第一組，定額預測法測試的結果作為第二組，使用設計的預測方法測試結果作為第三組，利用Matlab軟件獲得結果并對比分析。測試結果見圖3。

圖3 不同預測方法擬合值測試結果

圖3中，曲線a表示第一組因素分析預測法測試結果，其擬合值在7次測試中主要在700～1 100之間波動，在第7次測試時達到最高；曲線b為第二組定額預測法測試結果，整體波動在400～100之間波動，在第4次測試時達到最高，在第6次測試時達到最低，極不穩定；曲線c表示的是提出的預測方法擬合值測試結果，其波動范圍在200～500之間，比較穩定。三者相比，提出的預測方法測試的擬合值低于前兩者，波動幅度不大，證明了提出的水利工程移民安置補償費預測方法優于傳統的定額預測法和因素分析預測法。

3 結 語

隨著社會經濟的發展，水利工程移民安置問題越來越受到土地資源、水資源以及社會環境的制約，嚴重影響水利工程總投資成本，合理的安置移民并補償，才能更好控制水利工程成本。研究水利工程移民安置補償費預測方法，有助于控制水利工程投資成本，避免成本浪費。針對傳統的預測方法中存在的擬合值過高的問題，提出的預測方法有效避免此類問題的發生，經過多次仿真測試，證明了該預測方法更適合長期發展和推廣。