基于BP神經網絡的遼寧省水資源開發利用程度評價研究

劉 洋

(遼寧省朝陽水文局，遼寧 朝陽 122000)

遼寧省位于東北地區南部，是國家重點重工業基地。水資源作為重要的基礎性資源，在遼寧省的分布特點為：全年降雨分布不均，由東南向西北遞減，人均水資源占有量僅為全國的1/3。遼寧省是北方嚴重缺水的省份之一。隨著老工業基地建設進程的加快，遼寧省水資源供需矛盾日益突出，了解水資源開發利用程度，實現水資源健康可持續發展成為目前亟待解決的重要課題。

隨著綜合評價方法研究和計算機技術的深入發展，涌現出一系列將定性與定量相結合的數學評價方法，如：集對分析法[1]、密切值法[2-3]、主成分分析法[4]、物元分析法[5-6]、AHP-熵權法-模糊綜合評價法等[7-9]，這些評價方法已經在水資源等方面得到廣泛的應用，但這些傳統的評價方法在評價過程中均需依賴于指標權重的確定，而權重的確定往往帶有不同程度的人為主觀臆斷性，需要采用多種方法或方式進行驗證，增加了評價的復雜性。水資源開發利用程度評價是一個復雜的綜合評價問題，涉及水資源、環境、社會、經濟等多方面因素，近些年神經網絡算法的提出，克服了上述缺點，對復雜系統具有較好的識別，在不同領域得到了認可與應用。本文將BP神經網絡算法應用到遼寧省水資源開發利用程度評價中，通過評價指標的選取，建立數學評價模型，從定量角度分析評價水資源開發利用狀況，為水資源開發利用程度評價提供更加科學合理的方法。

1 BP神經網絡理論[10-11]

1.1 BP神經網絡結構

BP神經網絡即是神經網絡理論中的誤差反向傳遞神經網絡，基于反向傳播過程對網絡的權值和閾值進行不斷調整，使非線性問題的求解得以實現。它的結構為：3層或3層以上的神經網絡拓撲結構，包括輸入層、中間層(隱含層)和輸出層，是一種并行且多層的前饋網絡(圖1)。

圖1 BP神經網絡拓撲結構

1.2 BP神經網絡算法

BP算法是一種監督式的學習算法，首先進行網絡權值和閥值初始化，然后通過訓練樣本和隱含層輸入，計算輸出誤差值，再通過循環調整隱含層直至誤差滿足要求，完成樣本訓練，最后利用已訓練完成的網絡模型進行預測或者評價，詳細步驟參考文獻[6-7]。神經網絡算法的實現通常借助Matlab軟件完成。

2 實例研究

2.1 水資源開發利用程度評價指標體系與標準

通過分析遼寧省水資源自然稟賦、社會經濟發展水平及水資源供用耗情況[12-14]，本次從水資源系統、水資源開發利用系統和水資源社會經濟生態系統3個系統中選取水資源人均占有量、可利用水量模數等11個指標構建遼寧省水資源開發利用評價指標體系，具體見表1。水資源開發利用程度評價等級分為3級(V1、V2、V3)，V1表示水資源開發利用處于飽和階段，V2表示水資源開發利用處于發展過渡階段，V3表示水資源開發利用處于初始階段。評價現狀年為2016年，數據資料采用遼寧省14個市及全省值，具體評價指標分級閾值[15-16]見表2、3。

表1 遼寧省水資源開發利用程度評價指標

表2 遼寧省水資源開發利用程度評價分級標準值

表3 遼寧省水資源評價指標數值

2.2 BP神經網絡評價過程與結果

2.2.1BP神經網絡模型建立

2.2.2BP神經網絡優化學習

借助Matlab軟件，使用newff函數工具箱創建神經網絡模型，選用logsig和tansig作為傳遞函數，trainlm作為網絡訓練函數。將水資源開發利用程度評價分級標準值隨機讀取24組訓練樣本開始訓練，學習率取0.01，進行反復訓練，直至訓練誤差總和E≤0.000 01，訓練停止，最大訓練次數設置為30 000。

2.2.3評價結果輸出

將訓練好的BP神經網絡應用于遼寧省14個市及全省水資源開發利用程度的評價，結果見表4。

2.3 評價結果驗證

根據文獻[8]的研究成果，采用AHP-熵權法-模糊綜合評價法對研究區進行再次評價。其計算方法為：先采用AHP-熵權法確定更為準確且適合研究區域的權重，再通過模糊綜合評價模型建立隸屬函數，確定隸屬度，對水資源開發利用程度進行定量評價。

將2種評價方法結果進行對比分析，結果見表5。從總體來看，2種評價方法的結果大致相同，除了沈陽市、錦州市和葫蘆島市在評價結果上差一級以外(AHP-熵權法-模糊綜合評價法：沈陽V1、錦州V1、葫蘆島V1，神經網絡評價法：沈陽V2、錦州V2、葫蘆島V2)，其他地區結果完全相同，且這3個地區的AHP-熵權法-模糊綜合評價值均在V1和V2級的臨界值0.66邊緣，相差不大。這主要是因為評價方法權重賦值的主客觀程度的不同，但從結果總體上看，可以證明BP神經網絡應用于水資源開發利用程度評價的可行性與適用性。

表5 評價結果驗證對比

2.4 評價結果分析

由BP神經網絡對遼寧省水資源開發利用程度評價結果可以看出，遼寧省水資源開發利用程度總體上處于中間過渡階段，仍有一定的開發利用潛力，但縱觀14個地級市，其開發利用程度不盡相同，呈現出與水資源空間分布特點相同的趨勢，見圖2。遼東地區的丹東市、撫順市水資源豐沛，評價結果為V3級，水資源開發利用程度為初級階段，仍有較大的開發利用潛力；遼西地區的阜新市和朝陽市“十年九旱”，水資源緊缺，評價結果為V1級，水資源開發利用程度已達到飽和階段，開發利用潛力較小；其他10個地市均為V2級，水資源開發利用處于發展過渡階段，仍有一定的開發利用空間。

圖2 遼寧省水資源開發利用程度評價結果

3 結論

a)本文將BP神經網絡應用于遼寧省水資源開發利用程度評價當中，通過AHP-熵權法-模糊綜合評價法驗證，表明BP神經網絡可以準確的對水資源開發利用系統做出合理的評價，同時能夠避免傳統方法評價指標權重賦值的主觀性和復雜性，簡單快捷，結果可靠。

b)通過對遼寧省水資源開發利用程度評價可以看出，遼寧省水資源開發利用程度總體正處于發展階段，有一定的開發利用潛力，但是各地市卻開發利用程度不一，呈現出東部水資源開發利用潛力較大，西部開發利用潛力較小，中部地區處于過渡水平的特點。這說明目前遼寧省水資源開發利用程度與水資源自然稟賦條件是一致的，具有空間分布不均的特點，未來可以通過調水等合理配置方法平衡水資源開發利用程度，從而實現水資源的健康可持續發展。