基于機(jī)器學(xué)習(xí)的鐵路工程生態(tài)風(fēng)險(xiǎn)管理研究

宋瑞震， 高 鑫， 陳宏權(quán)， 曾賽星

（1.上海交通大學(xué) 安泰經(jīng)濟(jì)與管理學(xué)院，上海 200030；2.上海交通大學(xué) 中美物流研究院，上海 200030）

1 引言

鐵路工程是我國基礎(chǔ)設(shè)施建設(shè)的重要組成部分，處于我國綜合交通運(yùn)輸體系中的骨干地位。截至2020年底，我國鐵路營業(yè)里程達(dá)14.6萬公里，其中高速鐵路3.8萬公里，極大地促進(jìn)了我國經(jīng)濟(jì)增長［1］。鐵路工程具有建設(shè)規(guī)模大、地區(qū)跨度大、生態(tài)環(huán)境影響顯著等特點(diǎn)，極易對生態(tài)環(huán)境脆弱地區(qū)產(chǎn)生不可逆的生態(tài)影響。因此在工程設(shè)計(jì)階段，就必須充分考慮工程建設(shè)可能帶來的生態(tài)環(huán)境影響。例如，青藏鐵路橫貫青藏高原，工程建設(shè)會對動植物的生存環(huán)境以及生物多樣性產(chǎn)生顯著影響。為保護(hù)青藏高原的生態(tài)環(huán)境，我國政府投入了約15.4億元用于沿線的環(huán)境保護(hù)和生態(tài)恢復(fù)［2］，在青藏鐵路沿線設(shè)計(jì)建設(shè)了33座“生態(tài)走廊”，解決了鐵路工程所引發(fā)的動物生存棲息地分割問題［3］；采用48臺最先進(jìn)的旋挖式鉆機(jī)修建青藏鐵路清水河特大橋，避免了鉆孔產(chǎn)生泥沙所引發(fā)的水體污染［4］；采用濕鉆法施工，降低隧道施工中粉塵帶來的大氣污染問題等［5］。

鐵路工程生態(tài)風(fēng)險(xiǎn)的復(fù)雜性早已備受關(guān)注，在鐵路建設(shè)期間可能會對沿線動植物、自然景觀和生態(tài)系統(tǒng)造成不同類型和程度上的影響，在不同鐵路工程特殊的施工條件和自然環(huán)境下，生態(tài)風(fēng)險(xiǎn)的復(fù)雜性將進(jìn)一步提高［6］。對鐵路工程具體生態(tài)風(fēng)險(xiǎn)類型的研究，國內(nèi)外學(xué)者主要從生態(tài)風(fēng)險(xiǎn)受體、生態(tài)影響范圍和影響程度等方面展開。生態(tài)風(fēng)險(xiǎn)受體主要包括鐵路工程沿途影響的動植物生活［7］、景觀格局［8］、人類活動［9］等方面，通過對風(fēng)險(xiǎn)受體的識別和分析能夠直接為鐵路建設(shè)的環(huán)境保護(hù)提供指導(dǎo)。對鐵路工程生態(tài)影響范圍和程度的研究，學(xué)者們主要將工程實(shí)踐與遙感圖像、GIS技術(shù)和生態(tài)學(xué)的理論方法相結(jié)合［10］，確定鐵路工程生態(tài)影響的范圍和大小，及其隨時(shí)間和空間的變化情況，從宏觀的角度評估和預(yù)測生態(tài)風(fēng)險(xiǎn)［11］。整體來看，現(xiàn)有研究從多個(gè)角度探討了鐵路工程的主要生態(tài)風(fēng)險(xiǎn)受體和受影響程度，大多風(fēng)險(xiǎn)識別是基于某一確定視角下的主要風(fēng)險(xiǎn)類型，再結(jié)合過去相關(guān)的設(shè)計(jì)規(guī)范和主觀的經(jīng)驗(yàn)判定確定，能夠有重點(diǎn)地突出各種生態(tài)風(fēng)險(xiǎn)類型，但忽視了生態(tài)風(fēng)險(xiǎn)管理的客觀性和全面性。因此，需要使用更加客觀、系統(tǒng)的技術(shù)方法，全面地識別和梳理鐵路工程的生態(tài)風(fēng)險(xiǎn)類型。

機(jī)器學(xué)習(xí)（machine learning，ML）是一類算法的總稱，這類算法可以從大量的歷史數(shù)據(jù)推斷出數(shù)據(jù)隱含的規(guī)律，并利用這種規(guī)律進(jìn)行判斷或預(yù)測［12］。主題模型是無監(jiān)督機(jī)器學(xué)習(xí)模型中的一個(gè)重要分支，廣泛應(yīng)用于自然語言處理（natural language processing，NLP）中。主題模型的發(fā)展基于早期的向量空間模型（vector space model，VSM）中存在的“一詞多義”和“一義多詞”問題，先后有學(xué)者提出了潛在語義分析（latent semantic analysis，LSA）模型和概率潛在語義分析（probabilistic latent semantic analysis，PLSA）模型。在此基礎(chǔ)上，Blei等［13］提出著名的隱含狄利克雷分布（latent dirichlet allocation，LDA）模型，因其廣泛的適用性和良好的拓展性，國內(nèi)外學(xué)者將LDA模型應(yīng)用于潛在風(fēng)險(xiǎn)挖掘、計(jì)算機(jī)視覺和輿情監(jiān)控等領(lǐng)域［14，15］。LDA模型在訓(xùn)練時(shí)不需要人工標(biāo)注訓(xùn)練集，所以十分適合對未知類型的主題進(jìn)行識別和分類，如鐵路工程中存在的潛在生態(tài)風(fēng)險(xiǎn)類型。

然而，由于LDA是基于詞袋（bag of words）模型構(gòu)建的，使模型得到的每個(gè)主題之間的關(guān)鍵詞的關(guān)系割裂［16］，而Word2Vec模型可以通過構(gòu)建三層神經(jīng)網(wǎng)絡(luò)用詞嵌入（word embedding）的方式將文本詞向量化，通過結(jié)構(gòu)化的詞向量分析關(guān)鍵詞間的語義關(guān)系［17］。Word2Vec模型包含兩種模型，分別是利用上下文預(yù)測中心詞的CBOW（continuous bag of words model）模型與通過中心詞預(yù)測上下文的Skip-Gram（continuous skip-gram model）模型。近年出現(xiàn)了將LDA與Word2Vec結(jié)合的研究［18］，使主題和詞嵌入取得更準(zhǔn)確的結(jié)果。經(jīng)過Word2Vec模型處理后，將詞表示為低維空間上的語義向量，但仍然不夠直觀。所以可以進(jìn)一步利用主成分分析法（principal component analysis，PCA）提取詞向量中的重要特征并對特征降維，得到更加直觀的關(guān)鍵詞語義關(guān)系［19］。

基于以上分析，本文將LDA、Word2Vec和PCA三種無監(jiān)督機(jī)器學(xué)習(xí)模型整合使用，其優(yōu)勢在于利用LDA模型得到更加客觀、全面的風(fēng)險(xiǎn)主題詞的基礎(chǔ)上，借助Word2Vec解決LDA中主題詞的語義關(guān)系不明問題，再利用PCA解決Word2Vec中詞向量維度高不直觀問題，最終更加全面、系統(tǒng)和直觀地得到鐵路工程的生態(tài)風(fēng)險(xiǎn)類型和風(fēng)險(xiǎn)間的相關(guān)關(guān)系。

綜上，鐵路工程帶來的生態(tài)風(fēng)險(xiǎn)管理異常復(fù)雜，而現(xiàn)有的研究中，并沒有客觀、系統(tǒng)地對生態(tài)風(fēng)險(xiǎn)類型、風(fēng)險(xiǎn)源和應(yīng)對策略進(jìn)行梳理和歸納。為了建設(shè)環(huán)境友好的綠色鐵路工程并降低工程建設(shè)對生態(tài)環(huán)境的影響，首先，識別鐵路工程在建設(shè)期存在的主要生態(tài)風(fēng)險(xiǎn)類型，這為項(xiàng)目的生態(tài)風(fēng)險(xiǎn)管理指明了方向；其次，針對各類風(fēng)險(xiǎn)，進(jìn)一步挖掘?qū)?yīng)的主要風(fēng)險(xiǎn)源，這為應(yīng)對生態(tài)風(fēng)險(xiǎn)提供了具體目標(biāo)；最后，根據(jù)生態(tài)風(fēng)險(xiǎn)和風(fēng)險(xiǎn)源，匹配應(yīng)對策略，這為生態(tài)風(fēng)險(xiǎn)管理提供了具體的治理措施。基于此，本文基于三種機(jī)器學(xué)習(xí)模型，以鐵路工程建設(shè)階段存在的生態(tài)風(fēng)險(xiǎn)為研究對象，通過對大量歷史文本數(shù)據(jù)的分析，提出了基于機(jī)器學(xué)習(xí)的鐵路工程風(fēng)險(xiǎn)識別與應(yīng)對的模型方法，形成了“風(fēng)險(xiǎn)識別—風(fēng)險(xiǎn)溯源—風(fēng)險(xiǎn)應(yīng)對”的研究架構(gòu)。

本文的創(chuàng)新點(diǎn)在于：在理論上，形成鐵路工程生態(tài)環(huán)境“風(fēng)險(xiǎn)識別—風(fēng)險(xiǎn)溯源—風(fēng)險(xiǎn)應(yīng)對”的研究架構(gòu)，豐富了鐵路工程生態(tài)風(fēng)險(xiǎn)管理和保護(hù)的理論內(nèi)涵，為研究和分析工程風(fēng)險(xiǎn)提供了新思路；在實(shí)踐上，提出了一種基于機(jī)器學(xué)習(xí)的鐵路工程生態(tài)風(fēng)險(xiǎn)管理的模型方法，補(bǔ)充了現(xiàn)有研究的方法體系，也為鐵路工程實(shí)踐中的生態(tài)風(fēng)險(xiǎn)識別、管理和修復(fù)提供決策參考。

2 理論框架與模型構(gòu)建

2.1 理論框架

本文以鐵路工程生態(tài)風(fēng)險(xiǎn)相關(guān)的歷史文本為數(shù)據(jù)，利用三種機(jī)器學(xué)習(xí)模型的互補(bǔ)優(yōu)勢，提出基于機(jī)器學(xué)習(xí)的鐵路工程生態(tài)風(fēng)險(xiǎn)識別與應(yīng)對模型（如圖1）。該模型包括四個(gè)主要步驟：文本收集與預(yù)處理、樣本篩選、機(jī)器學(xué)習(xí)模型訓(xùn)練與可視化和生態(tài)風(fēng)險(xiǎn)、風(fēng)險(xiǎn)源及應(yīng)對策略提取，最終得到鐵路工程生態(tài)環(huán)境“風(fēng)險(xiǎn)識別—風(fēng)險(xiǎn)溯源—風(fēng)險(xiǎn)應(yīng)對”框架。該模型的優(yōu)勢在于：（1）針對大量的文本數(shù)據(jù)，只需對機(jī)器學(xué)習(xí)模型輸出的主題相關(guān)詞進(jìn)行標(biāo)注即可得到系統(tǒng)且全面的鐵路工程生態(tài)風(fēng)險(xiǎn)類型。（2）使用的LDA、Word2Vec和PCA均屬于無監(jiān)督機(jī)器學(xué)習(xí)模型，有效地避免了人為梳理聚類的主觀性問題。（3）通過對生態(tài)風(fēng)險(xiǎn)關(guān)鍵詞表的調(diào)整，本文提出的模型方法還能被應(yīng)用于識別其他工程的各類風(fēng)險(xiǎn)，具有一定的推廣價(jià)值。

圖1 基于機(jī)器學(xué)習(xí)的鐵路工程生態(tài)風(fēng)險(xiǎn)識別與應(yīng)對模型流程圖

2.2 模型構(gòu)建

2.2.1 文本收集與預(yù)處理

本文選擇提取WebofScience和Scopus兩個(gè)數(shù)據(jù)庫中已經(jīng)正式發(fā)表的鐵路工程生態(tài)環(huán)境風(fēng)險(xiǎn)相關(guān)文本全文數(shù)據(jù)。同時(shí)，考慮到鐵路工程施工技術(shù)和裝備水平的不斷提升，部分過去存在的生態(tài)風(fēng)險(xiǎn)問題已經(jīng)在工程中得到解決，所以選擇數(shù)據(jù)庫中2010—2021年間的文本數(shù)據(jù)。根據(jù)關(guān)鍵詞使用：railwayAND（“environment*risk*”O(jiān)R“ecolog*risk*”O(jiān)R“environment*issues”O(jiān)R“ecolog*issues”O(jiān)R“environment*problem*”O(jiān)R“ecolog*problem*”）在文本的標(biāo)題、摘要或關(guān)鍵詞中搜索，各數(shù)據(jù)庫得到的文本結(jié)果如表1所示。

表1 數(shù)據(jù)收集與預(yù)處理結(jié)果

對文本預(yù)處理的步驟主要分為：全文PDF解碼、分詞、去停用詞和特殊符號。由于文本標(biāo)題、摘要和關(guān)鍵詞中信息有限，作為數(shù)據(jù)輸入主題模型訓(xùn)練可能無法得到詳盡的風(fēng)險(xiǎn)類型，所以提取全文構(gòu)建樣本數(shù)據(jù)。

2.2.2 樣本篩選

樣本得分的計(jì)算和篩選步驟如下：第1步，設(shè)定鐵路工程生態(tài)風(fēng)險(xiǎn)相關(guān)的關(guān)鍵詞KEYi（i＝1，…，n），并根據(jù)關(guān)鍵詞在文本數(shù)據(jù)標(biāo)題中的詞頻分為高度相關(guān)、中度相關(guān)和低度相關(guān)三類。再根據(jù)相關(guān)程度對關(guān)鍵詞組賦權(quán)，經(jīng)過多次取樣試驗(yàn)后調(diào)整賦值范圍，確定從低到高的關(guān)鍵詞賦權(quán)為［1，4］、［4，7］、［7，10］范圍內(nèi)的隨機(jī)整數(shù)WEIGHTj（j＝1，…，m），如表2所示。第2步，分別統(tǒng)計(jì)上一步處理好的每個(gè)文本數(shù)據(jù)中相關(guān)關(guān)鍵詞表的各關(guān)鍵詞出現(xiàn)的頻次Ki（i＝1，…，n）。第3步，運(yùn)用公式（1）計(jì)算每個(gè)文本的相關(guān)性得分，選擇得分排序前50%的文本作為后續(xù)機(jī)器學(xué)習(xí)模型的訓(xùn)練樣本。第4步，將各關(guān)鍵詞在權(quán)重范圍內(nèi)多次取值，重復(fù)計(jì)算文本相關(guān)性得分，并取每次得分前50%文本的并集作為初始樣本。

表2 鐵路工程生態(tài)風(fēng)險(xiǎn)關(guān)鍵詞優(yōu)先級及權(quán)重取值范圍

2.2.3 機(jī)器學(xué)習(xí)模型訓(xùn)練與結(jié)果提取

通過結(jié)合三種機(jī)器學(xué)習(xí)模型的互補(bǔ)優(yōu)勢，實(shí)現(xiàn)對鐵路工程生態(tài)風(fēng)險(xiǎn)系統(tǒng)性地識別，主要步驟為：（1）LDA與Word2Vec模型參數(shù)計(jì)算，包括：構(gòu)建語料庫和困惑度計(jì)算；（2）基于LDA“主題—單詞”分布的風(fēng)險(xiǎn)識別，包括：LDA模型建模與訓(xùn)練；（3）基于Word2Vec和PCA的鐵路工程生態(tài)風(fēng)險(xiǎn)溯源與應(yīng)對，包括：Word2Vec模型訓(xùn)練和PCA降維與可視化。

（1）LDA與Word2Vec模型參數(shù)計(jì)算

首先，為了將詞語中的語義處理為機(jī)器學(xué)習(xí)模型能夠識別和訓(xùn)練的信息，需要基于詞袋模型構(gòu)建語料庫。詞袋模型中利用詞頻表示詞向量，但詞頻多的詞并不一定是重要的風(fēng)險(xiǎn)分類詞，所以通過TF-IDF（term frequency-inverse document frequency）算法修正詞向量的特征權(quán)重。具體是通過公式（2）和（3）分別計(jì)算詞頻TF和逆向文本頻率指數(shù)IDF，再基于公式（4）得到TF-IDF權(quán)重值。

其 中xi，j表示詞 在文本dj中出 現(xiàn)的次 數(shù)；∑kxk，j表 示文本dj中所有詞出現(xiàn)的次數(shù)；｜D｜表示語料庫中文本總數(shù)；｜｛j：ti∈dj｝｜表示包含詞ti的文本數(shù)。為了避免不在語料庫中的詞計(jì)算IDF值時(shí)｜｛j：ti∈dj｝｜為零的情況，所以使用｜1＋｛j：ti∈dj｝｜。

此外，在進(jìn)行LDA模型訓(xùn)練之前，需要確定語料庫的隱含主題數(shù)作為模型的輸入?yún)?shù)。由于事先并不確定鐵路工程的生態(tài)風(fēng)險(xiǎn)類型數(shù)，無法通過經(jīng)驗(yàn)確定主題數(shù)，所以本文通過計(jì)算困惑度（perplexity）確定最優(yōu)的隱含主題數(shù)如（5）式。

（2）基于LDA“主題—單詞”分布的風(fēng)險(xiǎn)識別

鐵路工程生態(tài)風(fēng)險(xiǎn)識別的具體識別過程是：根據(jù)LDA輸出的“主題—單詞”分布，得到各類生態(tài)風(fēng)險(xiǎn)主題下相關(guān)系數(shù)最大的15個(gè)主題詞，再分別對不同主題下的15個(gè)主題詞進(jìn)行人工識別與標(biāo)注，得到鐵路工程生態(tài)風(fēng)險(xiǎn)分類結(jié)果。

在LDA模型中，每一篇文檔代表了一些主題所構(gòu)成的一個(gè)多項(xiàng)式分布，每一個(gè)主題又代表了很多單詞所構(gòu)成的一個(gè)多項(xiàng)式分布，而Dirichlet分布是這兩個(gè)多項(xiàng)式分布的共軛先驗(yàn)分布，因此可以通過多項(xiàng)式分布中的數(shù)據(jù)更新Dirichlet分布的參數(shù)（LDA模型中的α和β），從而獲得更準(zhǔn)確的估計(jì)。基于此，本文構(gòu)建了LDA模型求解中的損失函數(shù)如（6）式所示。

其中D表示語料庫，也就是M篇文章的集合；α表示生成每篇文章主題的多項(xiàng)式分布的Dirichlet分布的參數(shù)；β表示生成文章中某個(gè)單詞的多項(xiàng)式分布的Dirichlet分布的參數(shù)；θd表示第d篇文章的主題分布，也是多項(xiàng)式分布的參數(shù)；zdn表示第d篇文章的第n個(gè)單詞的主題；wdn表示第d篇文章的第n個(gè)單詞。

根據(jù)TF-IDF算法得到的語料庫與困惑度計(jì)算得到的LDA模型的隱含主題數(shù)，LDA主題模型訓(xùn)練求解基于變分推斷EM算法，該算法是將變分推斷和EM 算法（expectation-maximization algorithm）結(jié)合得到LDA模型中的“文檔—主題”和“主題—單詞”分布。

（3）基于Word2Vec和PCA的鐵路工程生態(tài)風(fēng)險(xiǎn)溯源與應(yīng)對

在LDA模型得到的“文檔—主題”分布的基礎(chǔ)上，結(jié)合上一步由“主題—單詞”分布識別的生態(tài)風(fēng)險(xiǎn)分類，得到每個(gè)文檔最大概率歸屬的生態(tài)風(fēng)險(xiǎn)類型。再將每類風(fēng)險(xiǎn)主題下的相關(guān)文本先后輸入到Word2Vec和PCA模型中，訓(xùn)練得到不同生態(tài)風(fēng)險(xiǎn)下的最大相關(guān)詞，并將相關(guān)詞標(biāo)注和歸納，最終確定各類生態(tài)風(fēng)險(xiǎn)的溯源與應(yīng)對策略。

運(yùn)用Word2Vec中的Skip-Gram模型計(jì)算各類風(fēng)險(xiǎn)主題詞的詞向量，來進(jìn)一步分析風(fēng)險(xiǎn)主題詞的相關(guān)關(guān)系。Skip-Gram模型每次選擇文中的一個(gè)詞作為中心詞，再通過計(jì)算該中心詞的上下文詞的準(zhǔn)確性來調(diào)節(jié)模型中的參數(shù)，經(jīng)過多次迭代使模型的損失函數(shù)最小化如（7）式，求解得到風(fēng)險(xiǎn)主題相關(guān)詞的詞向量。從相關(guān)程度高的相關(guān)詞中進(jìn)行各類生態(tài)風(fēng)險(xiǎn)源頭和策略的標(biāo)注，匹配得到各類生態(tài)風(fēng)險(xiǎn)的源頭和策略。

其中T表示語料庫中的所有詞；t表示中心詞的位置；m表示中心詞上下文取詞范圍；p（xt＋i│xt）表示中心詞取xt時(shí)，在其上下文中的第i個(gè)詞xt＋i出現(xiàn)的條件概率。

為了進(jìn)一步完善生態(tài)風(fēng)險(xiǎn)之間的相關(guān)關(guān)系，并且更加直觀地表示出各生態(tài)風(fēng)險(xiǎn)主題詞的語義關(guān)系，本文基于SVD分解協(xié)方差矩陣實(shí)現(xiàn)PCA模型，通過提取高維詞向量中的主要特征，實(shí)現(xiàn)對高維主題詞向量的降維，并作可視化處理，以驗(yàn)證LDA模型結(jié)果并進(jìn)一步發(fā)現(xiàn)各類生態(tài)風(fēng)險(xiǎn)的相關(guān)關(guān)系。

3 結(jié)果分析

3.1 模型訓(xùn)練結(jié)果與可視化

利用公式（1）進(jìn)行10次文本相關(guān)性得分計(jì)算后，篩選得到637個(gè)文本構(gòu)建語料庫。在進(jìn)行機(jī)器學(xué)習(xí)模型訓(xùn)練之前，通過計(jì)算困惑度選擇最優(yōu)隱含主題數(shù)，得到不同主題數(shù)情況下的困惑度結(jié)果（圖2）。從圖中可以看出，LDA模型的困惑度值前期隨著主題數(shù)的增加明顯下降，說明模型能夠很好地將不同主題分類。隨著主題數(shù)的增加，困惑度下降的趨勢在主題數(shù)為35之后逐漸平緩，為了避免過模型擬合的情況，選擇隱含主題數(shù)為35。

圖2 不同主題數(shù)下的模型困惑度

隱含主題數(shù)確定后，通過變分推斷EM算法求解得到“主題—單詞”分布，設(shè)置EM 算法的最大迭代次數(shù)為100，得到每個(gè)主題輸出最相關(guān)的前15個(gè)單詞。然后對35個(gè)主題的主題詞進(jìn)人工標(biāo)注，抽象出各主題含義。排除主題中安全事故、自然災(zāi)害和工程主體建筑損壞等鐵路建設(shè)中的其他非生態(tài)風(fēng)險(xiǎn)，得到與鐵路生態(tài)風(fēng)險(xiǎn)相關(guān)的主體模型聚類結(jié)果如表3所示，將生態(tài)風(fēng)險(xiǎn)相關(guān)的主題詞做詞云可視化，可以提取歸納出鐵路工程建設(shè)的生態(tài)風(fēng)險(xiǎn)主要有如下8類：棲息地分割（主題詞中包含：物種、列車、暴露、擾動、活動、空間、分布等）；景觀破壞（主題詞中包含：地表、坡度、植被、腐蝕、景觀、土壤、保護(hù)、物種、生態(tài)、鐵路、植物、損失、覆蓋等）；大氣污染（主題詞中包含：排放、溫室氣體、碳、灰塵、廢氣、化石等）；噪聲污染（主題詞中包含：噪聲、交通、振動、聲音、生活、住宅、公共等）；土壤污染（主題詞中包含：土壤、鉛、鎘、金屬、污染、元素、銅、鋅、風(fēng)險(xiǎn)、鉻、采樣、鎳、鉛、植物等）；隧道涌水（主題詞中包含：破壞、洪水、排水、規(guī)模、地表、強(qiáng)度、暴露、風(fēng)險(xiǎn)、結(jié)構(gòu)、局部、空間、道路、地下水、損失、隧道等）；廢水污染（主題詞中包含：離子、鹽分、硫酸鹽、排水、含量、濃度、沉降、液體等）；水土平衡破壞（主題詞中包含：多年凍土、土壤、干燥、水分、密度、混合、化學(xué)、溫度、地層、地表、沉降、沙地、隧道、位移、巖石等）。

表3 LDA模型聚類結(jié)果

使用語料庫訓(xùn)練Word2Vec模型后，得到各風(fēng)險(xiǎn)主題詞的詞向量，再進(jìn)行PCA降維得到主題風(fēng)險(xiǎn)詞的分布情況，可以看出不同類型風(fēng)險(xiǎn)主題詞的空間分布差異，如土壤污染的相關(guān)主題詞基本分布在｛（x，y）│x∈（-2，0），y∈（-1，1）｝區(qū)域內(nèi)，噪聲污染的相關(guān)主題詞基本分布在｛（x，y）│x∈（1，2），y∈（-1，1）｝區(qū)域內(nèi)，空氣污染的相關(guān)主題詞基本分布在｛（x，y）│x∈（-1，1），y∈（-2.5，-1）｝區(qū)域內(nèi)，說明主題模型對不同生態(tài)風(fēng)險(xiǎn)類型的主題詞進(jìn)行了合理地分類，且聚類效果好。同時(shí)，根據(jù)主題關(guān)鍵詞的語義關(guān)系的二維分布，可以發(fā)現(xiàn)：（1）景觀破壞、廢水污染和土壤污染三類生態(tài)風(fēng)險(xiǎn)存在相關(guān)關(guān)系，鐵路工程產(chǎn)生的廢水污染破壞自然水體后，可能會同時(shí)導(dǎo)致土壤污染，影響植被生長從而造成景觀破壞；（2）噪聲污染、棲息地分割和隧道涌水存在部分相關(guān)性，這部分主要在于類似的生態(tài)風(fēng)險(xiǎn)受體，尤其是對鐵路工程沿線野生動物生活和遷徙的影響；（3）水土平衡破壞與廢水污染的相關(guān)性較強(qiáng)，同時(shí)也與土壤污染、隧道涌水等存在一定的相關(guān)關(guān)系；（4）大氣污染相對比較獨(dú)立，其中關(guān)于化石燃料、溫室氣體排放等關(guān)鍵詞空間集中分布。

3.2 鐵路工程生態(tài)環(huán)境“風(fēng)險(xiǎn)識別—風(fēng)險(xiǎn)溯源—風(fēng)險(xiǎn)應(yīng)對”框架

在提取得到生態(tài)風(fēng)險(xiǎn)的基礎(chǔ)上，根據(jù)LDA模型得到的“文本—主題”分布結(jié)果，將每類風(fēng)險(xiǎn)主題下的相關(guān)文本先后輸入到Word2Vec模型中，訓(xùn)練得到各類風(fēng)險(xiǎn)關(guān)鍵詞的相關(guān)詞。通過對相關(guān)詞的標(biāo)注和歸納，得到各類生態(tài)風(fēng)險(xiǎn)下的風(fēng)險(xiǎn)源和應(yīng)對策略，最終形成鐵路工程生態(tài)環(huán)境“風(fēng)險(xiǎn)識別—風(fēng)險(xiǎn)溯源—風(fēng)險(xiǎn)應(yīng)對”框架（圖3）。

圖3 鐵路工程生態(tài)環(huán)境“風(fēng)險(xiǎn)識別—風(fēng)險(xiǎn)溯源—風(fēng)險(xiǎn)應(yīng)對”框架

（1）棲息地分割風(fēng)險(xiǎn)。鐵路工程的建設(shè)中，鐵路主體工程會永久性占用土地，并對沿途地區(qū)強(qiáng)制性空間分割，這導(dǎo)致沿途動植物的活動和生長環(huán)境產(chǎn)生突變，將嚴(yán)重影響動物遷徙和繁衍。以青藏鐵路為例，青藏鐵路穿過可可西里自然保護(hù)區(qū)，該保護(hù)區(qū)是藏羚羊、野牦牛等珍惜野生動物的重要棲息地，在鐵路建設(shè)期間藏羚羊的警戒和臥息行為明顯上升，覓食時(shí)間減少，對繁衍行為產(chǎn)生了明顯影響。對此，青藏鐵路在沿途設(shè)計(jì)多個(gè)橋梁、涵洞和圍欄等供野生動物穿越青藏鐵路，調(diào)查發(fā)現(xiàn)沿途藏羚羊、野牦牛、山地鼬鼠和亞洲獾等動物借助這些“生態(tài)走廊”能夠有效克服棲息地分割帶來的不利影響［20］。因此，鐵路工程建設(shè)帶來的棲息地永久性分割是一類重要的生態(tài)風(fēng)險(xiǎn)。

（2）景觀破壞風(fēng)險(xiǎn)。鐵路建設(shè)過程中，沿途會有大量的土石方工程，在橋隧口、臨時(shí)輔助道路和施工營地等區(qū)域的取、棄土?xí)斐墒┕龅刂脖缓偷乇硇螒B(tài)破壞，影響原有的景觀生態(tài)。在鐵路的運(yùn)營過程中，由于鐵路交通帶來了人類活動的擴(kuò)張，將會進(jìn)一步對景觀環(huán)境產(chǎn)生影響［21］。整體上看鐵路工程的建設(shè)使得沿途生態(tài)擾動區(qū)內(nèi)的歸一化植被指數(shù)（normalized difference vegetation index，NDVI）降低，以麗香鐵路為例，鐵路廊道破壞了沿線的自然景觀，產(chǎn)生了較大的正中切割作用［11］，因此鐵路工程帶來的景觀破壞風(fēng)險(xiǎn)不能忽視。

（3）大氣污染風(fēng)險(xiǎn)。在工程建設(shè)階段產(chǎn)生的大氣污染主要有兩類：一是使用大型機(jī)械產(chǎn)生的各類溫室氣體，如COX、NOX和SO2等；二是在土石方運(yùn)輸、臨時(shí)道路建造和橋隧開挖中產(chǎn)生的粉塵污染，粉塵中可能含有施工過程中產(chǎn)生的有毒氣體和金屬顆粒污染大氣環(huán)境。大氣污染會對沿途的動植物生長產(chǎn)生不良影響，這種影響在含氧量低、空氣稀薄的高原高海拔地區(qū)更加嚴(yán)重。

（4）噪聲污染風(fēng)險(xiǎn)。現(xiàn)有的鐵路工程案例表明，鐵路的建設(shè)和運(yùn)營期都存在噪聲污染的情況。在工程建設(shè)期，包括山體爆破、大型機(jī)械的運(yùn)作以及施工營地的人類活動等都會產(chǎn)生噪聲污染，這些活動對沿途人類和野生動物的正常生活產(chǎn)生影響。類似的情況也出現(xiàn)在運(yùn)營期，比如成蘭鐵路運(yùn)行的噪聲和振動會減少大熊貓活動。相關(guān)研究建議火車應(yīng)該減少夜間運(yùn)行以保護(hù)大熊貓正常活動［22］，對此現(xiàn)有鐵路設(shè)計(jì)了橋梁吸振器、聲屏障和吸音材料等一系列措施來降低噪聲污染。

（5）土壤污染風(fēng)險(xiǎn)。工程對土壤的污染主要包含施工中產(chǎn)生的棄渣、廢液，以及施工營地產(chǎn)生的生活廢料，如果不能合理地處理這類廢渣和廢液，將對工程沿線的土壤造成嚴(yán)重的污染。如青藏鐵路沿線土壤中的鉛、鎘和鋅等重金屬的濃度與鐵路干線的距離呈顯著負(fù)相關(guān)關(guān)系，說明鐵路工程使土壤中的重金屬濃度升高，在鐵路20米范圍內(nèi)這幾類重金屬的富集水平從無污染到顯著污染不等［23］。由于青藏高原的土壤中含有豐富的真菌和微生物，重金屬等污染物會對土壤中的微生物平衡產(chǎn)生影響，導(dǎo)致土壤肥力下降、高寒草甸退化［24］。因此，妥善處理生產(chǎn)生活的廢料，避免土壤污染是鐵路工程建設(shè)中一項(xiàng)十分重要的工作。

（6）隧道涌水風(fēng)險(xiǎn)。鐵路工程一般地理跨度大，時(shí)常要穿過山嶺重丘地區(qū)，施工方式以隧道為主，隧道工程開挖過程中開挖、爆破、支護(hù)等極易破壞原有的地下水分布，致使大量的地下水涌出，這不僅改變了原始的自然水系，也給隧道中的施工人員帶來巨大的風(fēng)險(xiǎn)。在云南、河北等地區(qū)的鐵路工程建設(shè)中，部分隧道施工區(qū)的斷面日排水量達(dá)到2萬立方米，大量的涌水造成山體巖下水資源大量流失，使得施工后進(jìn)行生態(tài)恢復(fù)的成本高、難度大，山體中排出的水也對周邊的工農(nóng)業(yè)生產(chǎn)造成影響。針對涌水問題，我國的《鐵路隧道設(shè)計(jì)規(guī)范》中明確提出“防、排、截、堵結(jié)合，因地制宜，綜合治理”的防排水原則，可見隧道涌水帶來的生態(tài)影響在鐵路工程施工中需要格外重視。

（7）廢水污染風(fēng)險(xiǎn)。鐵路工程建設(shè)中產(chǎn)生的污染廢水主要有：施工營地的生活廢水、爆破后的降塵用水、使用混凝土澆筑時(shí)的廢水、施工設(shè)備工作時(shí)產(chǎn)生的廢水等。施工中的含污廢水會對地表水體和周邊水體產(chǎn)生影響，如隧道開挖過程中掘進(jìn)機(jī)產(chǎn)生的油污和重金屬顆粒會混在涌水中排出，破壞地下水環(huán)境的同時(shí)污染其他水體。一般鐵路工程時(shí)空跨度大，可能途經(jīng)多個(gè)自然保護(hù)區(qū)和水源保護(hù)區(qū)，如天目山隧道工程靠近千島湖風(fēng)景區(qū)，建設(shè)期產(chǎn)生的工程廢水中懸浮物、重金屬和酸堿度超標(biāo)，必須經(jīng)過多項(xiàng)工藝處理后才能排放［25］。

（8）水土平衡破壞風(fēng)險(xiǎn)。工程建設(shè)中頻繁地取棄土可能會導(dǎo)致區(qū)域水土流失。取土一般會破壞土層上的植被，使得土壤保水能力減弱。如果對取土區(qū)的裸露地面不進(jìn)行生態(tài)修復(fù)，會導(dǎo)致土壤水分流失。由于棄渣的力學(xué)性質(zhì)與原土不同，棄土難以與原有土壤融合，甚至可能導(dǎo)致山體滑坡、泥石流等地質(zhì)災(zāi)害，造成水土流失的惡性循環(huán)。這一風(fēng)險(xiǎn)在復(fù)雜艱險(xiǎn)的施工環(huán)境中尤為突出，比如青藏鐵路穿過多年凍土區(qū)，若在施工后不及時(shí)采取水土保持措施，將加劇工程沿線的水土流失。因此，工程采用“繞、護(hù)、擋、防、攔、排、整、植”的模式進(jìn)行系統(tǒng)生態(tài)恢復(fù)，制定了具有青藏高原特色的水土保持方案［26］。

4 結(jié)論與啟示

本文綜合使用LDA、Word2Vec和PCA三種機(jī)器學(xué)習(xí)模型，根據(jù)“生態(tài)風(fēng)險(xiǎn)識別—風(fēng)險(xiǎn)源挖掘—風(fēng)險(xiǎn)應(yīng)對策略”構(gòu)建的邏輯主線，提出“風(fēng)險(xiǎn)識別—風(fēng)險(xiǎn)溯源—風(fēng)險(xiǎn)應(yīng)對”的鐵路工程生態(tài)風(fēng)險(xiǎn)框架。利用LDA模型訓(xùn)練得到的“主題—單詞”分布得出鐵路工程存在的8類主要生態(tài)風(fēng)險(xiǎn)，分別是：棲息地分割、景觀破壞、大氣污染、噪聲污染、土壤污染、隧道涌水、廢水污染和水土平衡破壞。進(jìn)一步，根據(jù)“文本—主題”分布，通過Word2Vec和PCA模型實(shí)現(xiàn)各類生態(tài)風(fēng)險(xiǎn)的溯源與應(yīng)對，并將各類生態(tài)風(fēng)險(xiǎn)主題詞的關(guān)系可視化。最后，結(jié)合青藏鐵路、麗香鐵路等工程生態(tài)風(fēng)險(xiǎn)識別與應(yīng)對的案例，對各類重大生態(tài)風(fēng)險(xiǎn)、風(fēng)險(xiǎn)源和應(yīng)對策略進(jìn)行討論，驗(yàn)證和完善了鐵路工程生態(tài)風(fēng)險(xiǎn)框架。通過研究得到如下啟示：

（1）“風(fēng)險(xiǎn)識別—風(fēng)險(xiǎn)溯源—風(fēng)險(xiǎn)應(yīng)對”的研究架構(gòu)對鐵路工程生態(tài)風(fēng)險(xiǎn)管理和保護(hù)具有重要意義。本文從主要生態(tài)風(fēng)險(xiǎn)的識別到風(fēng)險(xiǎn)源的追溯，再根據(jù)風(fēng)險(xiǎn)源匹配應(yīng)對策略，形成鐵路工程生態(tài)風(fēng)險(xiǎn)“識別—溯源—應(yīng)對”的閉環(huán)研究架構(gòu)，這豐富了鐵路工程生態(tài)風(fēng)險(xiǎn)管理和保護(hù)的理論內(nèi)涵，也為研究和分析工程風(fēng)險(xiǎn)提供了新思路。

（2）有效地融合機(jī)器學(xué)習(xí)模型能夠客觀、系統(tǒng)、高效地解決鐵路工程生態(tài)風(fēng)險(xiǎn)識別等研究問題。本文在大量文本數(shù)據(jù)的基礎(chǔ)上，利用三種機(jī)器學(xué)習(xí)模型的互補(bǔ)優(yōu)勢，提出了一種鐵路工程生態(tài)風(fēng)險(xiǎn)識別與應(yīng)對的模型方法。這不僅保證了風(fēng)險(xiǎn)識別結(jié)果的客觀性和系統(tǒng)性，也顯著地縮減了分析時(shí)間，能為鐵路工程實(shí)踐中的生態(tài)風(fēng)險(xiǎn)識別、管理和修復(fù)提供及時(shí)可靠的決策參考。

本文基于大量文本數(shù)據(jù)研究鐵路工程生態(tài)風(fēng)險(xiǎn)問題，但并未考慮文本數(shù)據(jù)的時(shí)間因素。因此未來可以加入更加豐富的數(shù)據(jù)，在時(shí)間維度上研究鐵路工程生態(tài)風(fēng)險(xiǎn)變化情況，進(jìn)而識別生態(tài)風(fēng)險(xiǎn)管理在不同建設(shè)階段的重難點(diǎn)領(lǐng)域。此外，本文提出了生態(tài)風(fēng)險(xiǎn)“識別—溯源—應(yīng)對”的研究架構(gòu)，并利用鐵路工程相關(guān)數(shù)據(jù)進(jìn)行分析，但并未在其他類型的重大工程中進(jìn)行驗(yàn)證。所以未來的研究可以在此架構(gòu)的基礎(chǔ)上，通過考慮加入不同工程的特性，不斷豐富重大工程生態(tài)風(fēng)險(xiǎn)管理理論體系。