煤層氣開發社會生態環境風險評價研究：基于ISM的可達矩陣與FCM模型

紀曉東，薛 曄，薛崇義

(太原理工大學經濟管理學院，山西 太原 030024)

中國煤層氣儲量巨大，埋深2 000 m以淺煤層氣地質資源量為36.81×1012m3，如此豐富的煤層氣資源如果能夠得到合理的開發利用，將緩解資源壓力與能源供需矛盾[1]。但是由于中國煤層氣開發尚處于發展初期，在大規模發展的同時會對開發區域社會生態環境造成一定的影響，例如在煤層氣排采期，伴隨著煤層氣的釆出水大多具有高礦化度特征，會對區域土壤和植被造成潛在影響[2]。因此，要使煤層氣產業長久、穩定、綠色發展，獲得最大的經濟效益，對煤層氣開發社會生態環境風險進行評價就顯得較為重要。

目前國內外有關煤層氣開發過程中對社會生態環境影響的研究主要涉及到自然環境與經濟兩個方面。李沿英等[3]以沁水盆地鄭莊區塊煤層氣開采區為例，結合煤層氣開發工序，對其潛在的生態環境影響進行定量分析，認為煤層氣開采會對地下水、土壤、植被等造成不同程度的影響；帥官印等[4]對煤層氣不同的開采方式與施工中不同階段對地下水環境產生的影響進行分析，并針對如何更好地保護地下水環境提出了相關建議；裴亞托等[5]基于PSR模型建立煤層氣開發生態系統評價指標體系，并運用AHP評價表明：煤層采出水、鉆井廢液、土地資源與植被的受損嚴重影響著生態環境。楊永國等[6]從系統的角度出發，采用模糊數學方法對煤層氣項目經濟風險進行評價；VANORSDALE[7]通過情景分析法對煤層氣資源儲量、盈利管理、財務狀況三者的聯系進行分析，并對煤層氣開發經濟風險進行評估；SENTHIL[8]運用Monte-Carlo和Hypercube模擬方法將經濟風險因素分析與評價相結合，實現了對煤層氣財務經濟的有效評價；SUN等[9]基于災害系統理論對煤層氣開發中生態環境風險因素進行分析，并建立生態環境風險評價指標體系；XUE等[10]在改進的指標體系基礎上，運用直覺模糊集對不確定風險信息進行描述，并通過Mandani直覺模糊神經網絡確立了煤層氣開發中生態環境風險評估模型。

綜上，有關煤層氣開發風險評價的研究大多數集中在經濟領域，范圍有限，且現有評價方法對風險因素之間相互作用關系的研究較少，沒有充分體現煤層氣開發風險的動態性，以及各個因素之間的關聯性，鑒于此本文首先針對傳統模糊認知圖(FCM)模型中獲取指標間相關關系與關聯矩陣難度大、主觀性強的缺陷，將ISM的可達矩陣算法、三角模糊數引入FCM模型中，并通過非線性Hebbian學習算法進行權值優化，以此確立更為全面穩定的模糊認知圖模型，最后以沁水盆地鄭莊區塊煤層氣開發區為例，結合模型推理機制進行風險評價。

1 研究方法

1.1 ISM的可達矩陣算法

圖1 操作步驟流程Fig.1 Operation step flow

1.2 模糊認知圖

本文在FCM中綜合考慮指標間的直接關系與間接關系，并通過非線性Hebbian學習算法對關聯矩陣進行優化，以確立改進后的FCM模型，即WTFCM模型。

(1)

(2)

WTFCM模型中指標節點初始狀態值AG(0)通過變換函數f進行迭代，當陷入固定點狀態或者處于極限環狀態，則迭代過程結束，系統處于穩定狀態。

2) WTFCM模型權值優化算法。將非線性Hebbian學習算法應用到FCM中，求取最優關聯矩陣，此時式(1)變為式(3)。

(3)

(4)

①輸出節點狀態值與目標平均值間差異最小化，即式(5)。

(5)

②當輸出節點ci相鄰時刻狀態值之差小于ε時，系統處于穩定狀態，即式(6)。

(6)

式中，ε為保證F2盡量小的容忍值，當①、②都滿足時權值即為最優。

2 基于WTFCM的煤層氣開發社會生態環境風險評價

2.1 指標節點量化及確定

SHI等[12]指出社會生態系統由社會、經濟、制度和生態四個子系統組成；熊軍等[13]認為社會風險是一種危及社會穩定和秩序，并存在引發社會沖突的可能性。本文基于此并借鑒頁巖氣開發社會風險指標[14]，針對XUE等[10]改進后的煤層氣開發生態環境風險評價指標體系增加指標：相關政策法規的落實程度、拆遷安置程度與公眾滿意度，最終確立指標體系見表1。

表1 煤層氣開發社會生態環境風險評價指標體系Table 1 Evaluation index system of social ecological environment risk in coalbed methane development

2.2 評價指標體系節點初始狀態值的確定

1) 定量指標節點。各個定量指標節點量綱和數量級不同，因此需對其進行無量綱化，將數值轉換在區間[0,1]上。正向指標節點見式(7)，負向指標節點見式(8)。

(7)

(8)

式中：A+、A-分別為對應正向、負向指標節點的實際值；Amax、Amin分別為國家規定的標準，相關參照值、實際調研數據或常規經驗上限值與下限值。

表2 量化規則Table 2 Quantitative rule

對N位專家意見進行整合見式(9)，最后基于模糊概率和期望值的解模糊化方法進行處理，見式(10)。

(9)

(10)

2.3 基于可達矩陣的指標節點相關性的確定

傳統FCM模型獲取指標節點間關系主觀性強，且只考慮指標節點間的直接關系，勢必影響評價結果的準確性，因此本文將ISM的可達矩陣算法引入，以確定指標間是否存在關系。

1) 確定三級指標節點之間是否存在直接關系，建立W1(3)見式(11)。

(11)

2) 基于W1(3),通過ISM的可達矩陣算法計算得到W2(3),見式(12)。

(12)

以W2(3)為依據，對相應指標進行關聯關系正負性的判斷，繪制模糊認知圖模型。

2.4 基于三角模糊數的關聯矩陣確定

為降低傳統FCM模型關聯矩陣獲取難度大的特點，本文將三角模糊數法引入WTFCM模型中計算指標權重，采用權重比公式獲取關聯矩陣。

1) 確定指標節點權重w。由于三角模糊數法較為常見，具體步驟本文不作額外贅述，可參考文獻[15]所示步驟計算指標節點權重值。

2) 建立W3。以2.3部分模型為依據，采用權重比公式獲取W3,即w3(i→j)=wci/wcj，且對角線元素為0。

3) 求取標準化矩陣W(0)。運用式(13)對W3進行標準化。

W(0)=s×W3

(13)

式中，s為W3中各行元素之和最大值的倒數。

2.5 風險評價及分級

為進一步降低FCM模型主觀性強的缺點，將非線性Hebbian學習算法引入，對W(0)進行優化，通過WTFCM模型進行風險評價。

2) 風險評價及分級。根據AG(final)中R值對風險進行分級，風險評價等級量化表本文借鑒國家標準、地方標準和行業標準進行劃分[16]，見表3。

表3 風險評估等級量化表Table 3 Risk assessment grade quantization table

3 案例分析

3.1 指標節點初始狀態值的確定

由于數據的可獲得性與區域的代表性，本文選取沁水盆地鄭莊區塊煤層氣開采區為研究對象，定量指標數據通過山西省環境保護廳查詢沁水煤層氣田鄭莊區塊北部8億m3產能建設項目環境影響報告書及相關文件，并結合研究區實際情況確定；定性指標通過咨詢煤層氣行業相關專家，對其采用模糊語言變量進行描述。定量指標計算公式見指標釋義[10]，首先對于收集到的定量指標數據據對應公式進行計算，定性指標據式(9)進行計算，結果見表1基礎數值，其次定量指標據式(7)和式(8)進行標準化，定性指標據式(10)進行標準化，得指標標準化數值，即AG(0)=(0.325,0.500,0.576,0.250,0.873,0.500,0.422,0.616,0.576,0.325,0.770,0.250,0.545,0.182,0.496,0.348,0.576,0)。

3.2 基于三角模糊數的關聯矩陣確定

1) 以XUE等[9]基于災害系統理論對煤層氣開發生態環境風險因素的分析為基礎，結合煤層氣開發工序、產污環節與相關文獻研究成果[17]，確定指標節點是否存在直接關系，并根據式(11)和式(12)進行計算，最終繪制模糊認知圖模型(圖2)。

圖2 煤層氣開發社會生態環境風險模糊認知圖模型Fig.2 Fuzzy cognitive map model of social ecologicalenvironment risk in coalbed methane development

2) 根據三角模糊數法計算得三級指標權重w依次為：w=(0.023,0.038,0.079,0.029,0.046,0.070,0.086,0.127,0.043,0.034,0.041,0.078,0.105,0.027,0.042,0.076,0.058)。

3) 首先通過試錯法確定η=0.01、γ=0.95,閾值函數通常令λ=1，即f(x)=1/1+e-x,其次輸入AG(0),結合式(13)，通過Matlab軟件進行仿真迭代，最終得到W(final),見式(14)。

W(final)=

3.3 評價結果分析

根據AG(0)、W(final),得AG(final)=(0.615 4,0.681 9,0.668 5,0.659 0,0.669 3,0.634 3,0.6404,0.643 7,0.659 9,0.659 0,0.666 6,0.646 0,0.659 0,0.661 7,0.683 7,0.666 0,0.676 4,0.644 0,0.664 1)，其迭代變化過程見圖3。由圖3可知，從指標節點狀態值的迭代變化過程來看，在煤層氣開發的不同時期，對社會生態環境風險有重要影響的因素也不盡相同，在煤層氣開發前期，大氣主要污染物最大地面濃度占標率、煤層氣資源暴露程度、林草覆蓋率指標狀態值較高，說明其對社會生態環境風險影響較大，其中大氣主要污染物最大地面濃度占標率狀態值最大，表明在煤層氣開發前期造成的大氣污染較為嚴重，應對氮氧化物、二氧化硫等主要大氣污染物濃度給予重點監控；隨著煤層氣開發過程的進行，生產機械化程度、職業病發生率、人員傷亡率狀態值迅速增加且高于其他指標狀態值，說明其對社會生態環境風險影響加劇，其中生產機械化程度狀態值最高，因此在煤層氣開發中期，應對生產機械化程度予以重視；在煤層氣開發后期，經濟損失比、拆遷安置程度指標狀態值迅速上升且高于其他指標狀態值，其中經濟損失比狀態值最高，對社會生態環境風險影響最大，是預防管理的重點。

圖3 煤層氣開發社會生態環境風險因素狀態值變化過程Fig.3 Change process of value of social ecologicalenvironment risk factors in CBM development

從指標節點穩定狀態值來看：風險值R為0.664 1，根據表3可知R介于0.6～0.79之間，因此鄭莊區塊煤層氣開發社會生態環境風險等級為中，屬于可控范圍；此外經濟損失比、生產機械化程度、人員傷亡率、大氣主要污染物最大地面濃度占標率狀態值較高，對社會生態環境風險影響較大，而經濟損失比是影響最大的因素。

整體來看，除大氣主要污染物最大地面濃度占標率、煤層氣資源暴露程度外，其他指標在相互影響下均呈上升趨勢，其中林草覆蓋率、相關政策法規的落實程度、公眾滿意度狀態值在較短時間內趨于穩定且狀態值較低，說明在煤層氣開發過程中風險狀態良好，而生產機械化程度、機械設備的可靠性、大氣主要污染物最大地面濃度占標率、經濟損失比、人員傷亡率指標狀態值在整個煤層氣開發過程中相對較高，對社會生態環境風險影響較大。

3.4 與已有模型對比分析

為驗證改進后的WTFCM模型是否可行，將FCM模型、經過非線性Hebbian學習算法的TFCM模型、引入全關系矩陣的WFCM模型與WTFCM模型的評價結果進行對比，各模型評價結果見圖4，對應的標準差σ、變異系數cv見表4。

由圖4與表4可知，在評估質量方面：TFCM模型與FCM模型相比，σ、cv均較小，說明通過非線性Hebbian學習算法，可以使指標節點之間的狀態值差距變小，模型評價結果更加準確；WFCM模型與FCM模型相比，σ、cv同樣較小，但相比TFCM模型數值差距更大，證明同時考慮指標間的間接關系與直接關系，可使模型評價結果更加準確，且優于TFCM模型的評價結果；WTFCM模型與WFCM模型相比，σ、cv較小，說明將非線性Hebbian學習算法、ISM的可達矩陣同時引入是可行的，所得評價結果優于FCM模型、TFCM模型、WFCM模型的評價結果。穩定性方面：TFCM模型與FCM模型相比，其狀態值連線波動較小，說明通過非線性Hebbian學習算法對權值進行優化，使評價結果變得更加穩定；WFCM模型與FCM模型相比指標狀態值連線波動幅度明顯變小，效果顯然優于TFCM模型，因此引入ISM的可達矩陣可較大程度上使模型評價結果更加穩定，同時也進一步證明WTFCM模型即將非線性Hebbian學習算法、ISM的可達矩陣同時引入是可行的，所得結果穩定性更強。

圖4 模型評價結果對比Fig.4 Comparison of model evaluation results

表4 模型評價結果對比Table 4 Comparison of model evaluation results

4 結 論

本文首先將ISM的可達矩陣、三角模糊數引入FCM模型中，并通過非線性Hebbian學習算法進行權值優化，最后以鄭莊區塊煤層氣開采區為研究對象，結合模型推理機制，對該區域進行了仿真評價，得出以下結論。

1) 通過仿真迭代，當系統處于穩定狀態時可以得出鄭莊區塊煤層氣開采區社會生態環境風險值為0.664 1，風險等級為(3級)中，屬于可控范圍，經濟損失比、生產機械化程度、人員傷亡率、大氣主要污染物最大地面濃度占標率對社會生態環境風險影響較大。

2) 從整個煤層氣開發過程來看，林草覆蓋率、相關政策法規的落實程度、公眾滿意度風險狀態良好，而生產機械化程度、機械設備的可靠性、大氣主要污染物最大地面濃度占標率、經濟損失比、人員傷亡率指標對社會生態環境風險影響較大，其中大氣主要污染物最大地面濃度占標率、生產機械化程度、經濟損失比分別為煤層氣開發前期、中期、后期對社會生態環境風險影響最大的因素，需在相應階段予以重點關注。

3) 改進的模糊認知圖方法降低了關聯矩陣的獲取難度，以及指標間關系是否存在的主觀性，通過與FCM模型、TFCM模型、WFCM模型評價結果對比發現，WTFCM模型評價結果更加穩定準確，清楚地展示了煤層氣開發社會生態環境風險指標及其關聯關系。