基于铁岭市水库移民后期扶持效果评估

李 慧

(铁岭市水利水电工程移民局，辽宁 铁岭 112000)

为了进一步加大移民后期扶持力度并保障移民基本权益，切实为水库移民后期扶持工作提供政策保障并改善移民生产和生活条件，国务院及辽宁省先后颁发了一系列的扶持政策和文件，2006年颁布的17号文件为提高水库移民的生产生活水平提供了有力支撑和重要保障。在移民扶持效果评估方面，许多学者分别从实现情况以及理论政策两个角度开展了大量研究和深入分析[1- 6]，如李晓亮等[7]对后期扶持监测评估指标利用AHP方法进行权重的分配并构建了相应的评估模型；邓瑞强等[8]对扶持政策的影响因素及实施效果采用logistic模型进行了分析及评价；陈晓楠等[9]分别对后期扶持政策的对象、方式、资金等问题进行了详细的分析，并给出了政策实施的根本出发点；张晓磊等[10]基于水库移民历史变迁过程给出了其隐含规律，对水库移民的未来发展方向从全新的视角进行了分析和探讨；张立新等[11]通过对平度市扶持政策实施后5a来移民收入的变化情况分析认为其总体水平存在一定差异，而后期效果较为显著；孙中艮等[12]对水库移民制度从社会保障的角度进行分析，探讨了移民社会风险与保障制度建立的相互关系。

综上所述，许多学者对水库移民后期扶持实施效果从移民安置、社会保障以及政策制度等方面，利用层次分析法、模糊综合法以及logistic回归模型等方法进行了深入的分析和探讨，然而各方法存在的不足主要体现在计算过程较为复杂，并且指标权重的确定受人为主观因素影响较为显著，从而导致评价结果存在较大的偏差。针对分析过程存在的复杂性和主观性问题，BP神经网络可通过不断地训练学习有效解决，并且能够发现大量复杂数据中隐藏的内在规律。据此，本文以铁岭市移民安置为例，对该区域后附扶持效果风险利用BP网络进行客观、科学的评价，以期为改善移民生产生活水平和后期扶持项目的规划实施提供一定参考与决策依据[13]。

1 构建水库移民后扶持效果风险评估模型

1.1 建立评价指标体系

本文依据铁岭市水库移民后期扶持监测评估工作以及实地勘察、调查等相关资料，在遵循可行性、完备性、独立性、可比性、系统性等原则的基础上，分别从生活条件、居住环境、收入结构、土地资源、住房条件5个方面建立了指标体系，见表1。

1.2 构造BP网络模型

通过对生物神经网络功能进行模拟并构建贴近于人类思维模式的综合评价法即为人工神经网络的主要思想，它往往表现出良好的容错与自适应特征，可对有效信息进行分布储存并完成并行协同计算，对于求解非线性关系数据问题表现出明显的优势。BP反向传播神经网络是一种多层次反馈性的综合评价法，它具有适应限度宽、问题处理效率高、运算速度快以及自学习能力强等特征，由上至下依次为输入层、隐含层以及输出层三部分，采用全互联的方式对层与层之间的神经进行连接，即利用网络权系数对网络层进行关联，并将该过程作为输入到输出的高度非线性映射计算，当前此理论方法在模式识别、控制与预测等方面已得到了广泛的应用和推广。

表1 水库移民后期扶持效果风险评价指标体系

设定系统内包含m个目标特征值，即在输入层有m个输入节点，在系统处理隐含层中有l个单元的节点，输出总仅有一个节点，则所构建的BP神经网络系统共包含输入层、隐含层和输出层3个层次结构，所构建的模型如图1所示。

图1 BP神经结构

设定评价模型中的评价指标的样本数为n，则系统中样本j所对应的输入层数据为rij，其中i=1，2，…，m;j=1，2，…，n，BP网路模型的计算流程如下：

(1)在系统的输入层中的节点i所包含的信息直接传递给隐含层中所对应的节点，则节点的输入和输出信息相同，即rij=uij。

(1)

(2)

(4)网络模型的权重调整系数计算利用有关文献中的公式，对于隐含层与输出层的节点k、p之间的调整权重量按照下式进行计算：

(3)

式中，η—指标学习效率系数；M(upj)—样本j所期望的输出结果。

输入层与隐含层的节点i、k之间的权重调整量采用下式进行计算：

(4)

利用上述模型对网络系统的连接权重系数采用BP网络的方向传播法进行计算，并确定单元系统与期望目标的权重值，可明显降低期望输出和实际输出之间的计算误差，使得计算误差值最低。对权值矩阵和阀值向量利用上述优化模型进行不断的自动调整和学习，在计算误差满足精度要求时则终止学习。据此，可在网络系统内部知识中形成权值矩阵，并在评价系统数据库中以数据文件的形式储存。通过在已训练好的网络中输入移民点指标数据，则可对任意一个移民风险进行评价，并得到相应的输出属相。然后以设定的评判标准为依据，可得到最终的风险评判等级。

2 实例应用

2.1 水库移民概况

铁岭市位于辽宁省北部松辽平原中段，其地势结构由东北向西南方向依次降低，东西两侧主要为山地和丘陵，中部为辽河平原区；境内共包含大小支流87条并以辽河水系为主，水资源储蓄总量和可利用量分别为31.41亿m3、21.15亿m3。在20世纪60年代该市大兴修建水利工程，其中大中型水库30余座，水库移民共涉及7个县市区的731个村，移民涉及22954户共71874人，其中原迁移民和非原迁移民分别为25796、39592人，统筹人口共6486人。铁岭市移民和扶贫办根据国家发改委、国务院相关文件精神以及辽宁省经济发展与移民安置区基础设施总体规划，致力于优化库区移民安置区生态环境、改善移民生产生活条件并解决水库移民生机相关问题。

2.2 样本数据的选取

为了更加客观、真实的反映水库移民搬迁后的生产、生活实际状况，本课题组对移民安置区进行抽样调查，并选取了10个典型安置村作为样本，其中6个样本村作为BP网络的训练样本，其余4个样本村作为检验样本。各评价指标在每个样本村中的调查监测数据见表2。

为保证模型计算结果处于收敛并提高其运算效率，应对上述各指标数值利用下述公式进行归一化处理，计算公式如下：

(5)

表2 典型样本村各指标数据监测结果

表3 网络输出与评定标准

式中，ymax、ymin—需要制定的上、下边界；xmax、xmin—样本数据最大值、最小值。

2.3 确定评定标准

外迁或后靠移民的生产结构、生活方式以及生活环境等，在水库移民安置后均发生不同程度的改变，并对提高和恢复生产生活水平造成一定的影响。将移民风险等级划分为零风险、可忽略、可接受、中等和不可接收方风险，从而构造评语集向量V，网络期望输出见表3。

2.4 后扶持效果风险评价

利用本文选取的20个评价指标作为网络输入层节点，因此输入向量维度为20；根据所建立的评价等级标准，网络输出层节点为5，因此可利用试算法和经验公式确定最佳的隐含层节点数为10个。然后采用trainlm函数对学习样本进行训练，所进行的训练计算方法为L-M反向传播法。其他各参数的设置为训练目标误差为0.00001，最大训练步数为10000，学习效率为0.01。

利用已训练好的网络模型，分别将八家子村、沙河子村、护林村以及泉头村4个检验样本村各指标数据输入模型，然后对比分析监测评估报告与网络输出结果，见表4。

表4 水库移民安置效果风险评价结果

根据表4输出结果可知，八家子村移民风险处于极有利的影响作用，由此表明该村庄在后期扶持政策实施后恢复了其生产生活水平，而且得到了显著的提升；而沙河子村和泉头村处于有利影响作用，该区域生产生活水平在后期扶持政策实施后虽然得到一定的恢复，但改善效果并不明显；而护林村处于一般的影响作用，该区域的生产生活水平在后期扶持政策实施后基本得到恢复，并达到之前的水平。两种不同评价结果保持良好的一致性，进一步说明了本文所建立BP模型具有良好的仿真能力，能够较好的反映扶持效果。

3 结论

本文对铁岭市移民安置效果风险利用BP网络模型进行了客观、科学的评价，并对比分析了监测评估与BP网络模型输出结果，得出的主要结论如下：

(1)结果显示铁岭市绝大多数移民安置区内的移民群众在实施后期扶持政策后，生产生活水平在不同程度上得到了改善和恢复，其中八家子村不仅恢复了其生产生活水平，而且得到了显著的提升；沙河子村和泉头村处于有利影响作用，该区域生产生活水平在后期扶持政策实施后虽然得到一定的恢复，但改善效果并不明显。两种不同评价结果保持良好的一致性，进一步说明了本文所建立BP模型具有良好的仿真能力，能够较好的反映扶持效果。

(2)评价指标数据的选取是影响后期扶持效果风险的关键关节，并且样本村、网络参数设置、误差精度要求以及数据的预处理等同样可对网络输出结果造成一定影响，未来仍需要进一步深入研究。