基于BP神经网络水资源供求预测的经济可持续发展研究——以山东省为例

汪雅倩

(安徽财经大学 金融学院，安徽 蚌埠　233030)



基于BP神经网络水资源供求预测的经济可持续发展研究
——以山东省为例

汪雅倩

(安徽财经大学 金融学院，安徽 蚌埠233030)

基于人工神经网络的基本原理和方法，建立BP神经网络水资源供求量预测模型，以山东省水资源供求量预测为例进行分析。结果表明，BP神经网络是建立水资源预测模型的一种有效方法，预测结果较精准；未来15年内山东省的水资源总量将不会有明显的增加，但对水资源的需求量将会逐年增加，同时水资源匮乏的程度也将愈加严重。最后，根据实证结果提出了一系列关于加强山东省水资源优化配置与合理利用的相关建议，为山东省未来水资源合理化的经济配置规划等问题提供了决策参考。

人工神经网络；BP神经网络模型；水资源匮乏；预测；经济可持续发展

随着气候变化与人口增长，水资源匮乏问题变得日益突出。如何对水资源进行高效分配，满足人类基本生产和生活需求已成为当今社会亟待解决的问题。水资源短缺问题不仅会使当地生态环境持续恶化，同时也会限制该地区经济可持续开展，因此保障水资源供求均衡对人类生存、经济发展至关重要。

水资源供求量变动的要素众多，是一个复杂的非线性系统，一般的数学模型难以准确地预测水资源供求情况。神经网络具有优秀自学习才能，能够很好地处理非线性问题。近年来，神经网络模型已被广泛应用于水资源变化量的预测以及水资源短缺程度的评价等问题，[1][5]但将神经网络应用于水资源供求量预测的研究尚不多见。本文以山东省为例，运用神经网络对水资源供求量样本数据进行训练和预测，构造BP神经网络的水资源供求量预测的模型，预测未来15年内山东省水资源供给与需求情况，为山东省未来水资源节约、保护和合理利用等问题提供决策建议。

1　BP神经网络的基本原理

人工神经网络是由众多简单的神经元彼此链接，通过模拟人的大脑神经处理信息的方式，进行信息处理和非线性转换的复杂网络系统，其基本结构类似于人脑网络结构。神经网络的结构有很多种，其中比较常见的是BP神经网络，结构如图1所示。

BP神经网络(Back Propagation Neural Network)是一种多层前反馈神经网络，一般存在等于或大于三层神经元，其组织如图1。[3]BP神经网络主要包括输入层、中间层和输出层三部分，上下层之间是全链接，而同一层的不相互链接。标准的 BP 算法的核心是数学中的“负梯度下降理论”，即BP神经网络的误差总是沿着误差降落最迅速的目标调整。

图1　BP神经网络结构示意图

2　山东省水资源供求情况的预测

2.1研究思路。

本文的研究思路是，首先对从工业、农业、生活以及生态环境这四个方面水资源的需求情况进行分析，选取农田灌溉耗水量、林牧渔畜耗水量、工业耗水量、城镇公共耗水量、居民生活耗水量和生态环境耗水量作为6项衡量山东省水资源消耗程度的评价指标；其次，水资源的供给途径主要包括地表水、浅层地下水、降雨收集和海水直接利用等。通过查阅山东省历年水资源公报，可以获得2005-2014年上述指标的时间序列数据，构造BP神经网络的水资源供求量预测的模型，预测山东省未来15年内水资源供求情况。

2.2数据的预处理。

因原数据各项指标间具有不同量级，因而须对收集到的原数据归一化处置。本文主要是应用PREMNMX函数对样本数据输出及输入做初始化处置，使之能平均散布于[-1,1]范围内，具体公式为：

其中a表示输出样本，b表示输入样本；AN 表示归一化处理后的输入样本，BN表示归一化处置后输出样本。BP神经网络算法训练停止后，由于预测结果为经过归一化处理后的数据，因而须对该数据做反归一化，以还原成原始值。

2.3 BP神经网络算法流程。

(2)输入样本和期望输出：提供训练样本及目标输出，对每个样本进行(3)-(5)步。 输入的训练样本为：Y=(Y1,Y2,…,Yn),目标输出为： X=(X1,X2,…,Xn)

(3) 计算各层输入：x(l)=f(s(1))=f(W(l)x(l-1))

(8) 如果误差指标满足精度要求，即E<ε那么训练结束，否则转到(2)，继续下一个训练周期ε是小的正数，根据实际情况选取。

综上所述，具体流程如下图2所示：

图2　BP神经网络算法流程图

2.4 模型的结果与分析。

根据建立的BP神经网络模型对山东省未来15年内水资源供给和需求的状况进行预测，利用MATLAB软件编程对模型进行求解，[2][4][6]具体的预测结果见下表1。

表1　BP神经网络模型的预测结果(亿 立方米)

数据来源：山东省水文信息网

为了检验模型的预测效果，可以通过计算输出层各单元的训练误差来实现。如图3所示是训练次数达到109次的误差训练曲线，由于模型的训练误差曲线越来越平缓并逐渐趋近于零，说明所建立的BP神经网络模型的预测结果较为准确。

图3　BP神经网络训练误差曲线图

图4　未来15年内山东省主要指标耗水量变化图

图5　未来15年内山东省农田灌溉耗水量变化图

由图4、5可看出，未来15年内山东省农田灌溉、林牧渔畜、工业、城镇公共、居民生活和生态环境等各指标耗水量都呈平稳增加趋势，其中农田灌溉耗水量占比最大。未来15年内山东省对水资源需求基本保持平稳并逐年都略有增加，在水资源日渐短缺的今天，山东省在未来一段时期仍将面临严峻水资源短缺的挑战，如何合理高效地利用有限水资源是山东省未来需重点考虑的难题。

图6　未来15年内山东省水资源供应量变化图

图6是山东省未来15年内水资源供应量的变化图 ，从图中可以看出山东省的供水总量将维持在220亿立方米，地表水资源在水资源总量中所占的比重较大，说明山东省未来一段时期内的地下水资源有限，供水将主要利用地表水源来供给。

3　建议

本文主要对山东省未来15年内水资源供求情况进行预测，实证结果表明，山东省水资源存在明显匮乏，尤其是地下水资源短缺较严重，山东省未来一段时期将主要使用地表水来满足基本供水需求。为使山东省在水资源利用方面更合理和高效，本文在研究结果的基础上提出以下几方面建议。

3.1缩减地下水开采规模。

由于山东省大部分的供应水是取自地下水，导致地下水开采过度，造成一系列的生态环境困扰和地质水文灾害。[7]例如，地下水位持续下降；海咸水入侵严重，其中最严重的是位于莱州湾地区的莱州市、招远市和龙口市等地区；地面下沉；泉水枯竭，生态环境日益恶化等。

因此，山东省应严格控制地下水的年开采量。具体措施包括完善城乡供水系统，依法打击非法开采地下水的个人和企业，也可通过向开采地下水资源的个人和企业收取资源费来限制开采量。[9]

3.2提高农业灌溉用水的利用效率。

农业生产在山东省的经济发展中具有重要的作用，农业用水占全省用水总量的比重最大，占用水总量的60%左右。因此，提高农业灌溉用水的利用效率对减少山东省用水需求具有重要意义。[8]例如，引入和种植适合在山东省地区生长的节水农作物；改进农业水资源灌溉技术，提高水资源的利用效率；建设农田水利设施，争强农业蓄水能力；向农民宣传节水意识，减少水资源的浪费。

3.3增加海水直接利用量。

山东省三面环海，海岸线较长，有丰富的海水资源可以利用。因此，山东省可以通过大力发展海水养殖业来减少淡水养殖规模，从而实现节约用水的目的；山东省沿海各个城市可以利用海水代替淡水来喷洒路面。

3.4水资源污染治理与保护。

山东省应该关闭省内那些对水环境污染严重的企业，所有企业污水都必须达标后再排放。部分山区应该严格规范采矿业发展。农业生产应该逐渐减少对化肥和农药的使用，禁止使用有公害农药。征收污水处理费，设立污水处理回用专项基金用于水资源深度处理设施和回用工程建设。

3.5 提高水资源优化配置的效率。

目前山东省在水资源管理体制上存在许多问题，[10]水资源开发利用中的取水、供水、排水、排污，分别由不同部门管理，缺乏统一的规划和调度。因此山东省应建立统一的水资源管理体系，实现城乡水资源在管理上的统一，增强水资源优化与分配的整体效率。

3.6 建设南水北调工程。

目前，南水北调部分工程在山东省内已初步建成且具有一定的规模，建成后将每年为山东省提供大量的水资源，对缓解山东省水资源缺乏、改善当地生态环境具有深远意义。

4　结论

(1) 运用BP神经网络预测山东省水资源供求情况切实可行。

(2) BP神经网络模型是通过对山东省不同年份的水资源供给与需求量的样本数据进行反复训练和预测，最后的检验结果表明，该神经网络预测结果较准确。

(3) 水资源供给量与需求量的样本数据是建立BP神经网络模型的基础，建立山东省不同年份和地区的水资源供求量的详细数据库，对进一步加强水资源合理化经济配置具有重要意义。

(4) 本文仅建立了一个预测模型，若能再引进一个新的预测模型，建立基于这两个模型的组合预测模型，可能会得到更精准的预测结果，这也是本文存在的一点不足之处。

(5) BP神经网络模型能很好地解决非线性系统的预测问题，借助MATLAB软件可以方便地将BP神经网络模型应用于水资源供求量预测等领域的研究，为政府决策机构就经济可持续发展提供可靠的决策建议及参考。

[1]邓霞，董晓华，薄会娟.基于BP网络的河道径流预报方法与应用[J].人民长江，2010,41(2):56-59.

[2]张德丰. MATLAB神经网络应用设计[M].北京:机械工业出版社，2009,1.

[3]陈守煜，王大刚.基于遗传算法的模糊优选BP网络模型及其应用[J].水利学报，200,34(5):116-121.

[4]卓金武.MATLAB在数学建模中的应用[M].北京:北京航空航天大学出版社，2011.

[5]苑希民，李鸿雁，刘树坤，等.神经网络和遗传算法在水科学领域的应用[M].北京:中国水利水电出版社，2002.

[6]MATLAB中文论坛.MATLAB神经网络30个案例分析[M].北京:北京航空航天大学出版社，2010.

[7]冯利华. 神经网络在水资源预测中的应用[J].农业系统科学与综合研究，2003,19(1):35-38.

[8]王浩，游进军．水资源合理配置研究历程与进展[J].水利学报，2008,39(10):1168-1175．

[9]沈福新，耿雷华，曹霞莉等．中国水资源长期需求展望[J].水科学进展，2005,16(4):522-525．

[10]吴洪相．宁夏水资源情势分析及应对策略[J].中国水利，2011(3):23-24．

Class No.:F224：TU991.31Document Mark：A

(责任编辑：郑英玲)

Economic Sustainable Development of Water Resources Supply and Demand Forecasting Based on BP neural Network

Wang Yaqian

(School of Finance; Anhui University of Finance and Economics, Bengbu,Anhui 233030，China)

According to basic principles and methods based on artificial neural networks, we build a forecasting model of water resources supply and demand based on BP neural network, and take the supply and demand of water resources of Shandong Province as an example to make the prediction. The results show that BP neural network is an effective method to establish water resources prediction model and prediction results are accurate. The next 15 years, the total of water resources in Shandong province won’t have a significant increase, but the demand for water resources will increase year by year, at the same time the degree of scarcity of water resources will become even more serious. In the end, according to the empirical results, some suggestions are presented to optimize the allocation and utilization of water resources in Shandong Province. Meanwhile, decision-making reference for future water resources allocation planning of Shandong Province is provided.

artificial neural network, BP neural network model, water resources shortage, forecasting；economic sustainable development

汪雅倩，学生，安徽财经大学金融学院。研究方向:金融学。

国家自然科学项目(编号：11301001)；安徽财经大学教研项目(编号：acjyzd201429)。

1672-6758(2016)06-0052-4

F224：TU991.31

A