盖州市水库移民监测评估指标体系研究与应用

李维雨

(辽宁江河水利水电新技术设计研究院有限公司，辽宁 沈阳 110003)

水库移民后期扶持监测评估是通过对移民后期扶持政策实施过程的跟踪调查，并与移民后期扶持前的基本情况和后期扶持规划、目标对比分析，从而对移民后期扶持政策的落实、效果及移民后期扶持规划目标是否实现作出相应的评估；对移民后期扶持政策实施中发现的问题，分析原因、提出建议，并提请各级政府、移民管理机构、实施机构及有关各方改进，为水库移民后期扶持工作科学决策提供更接近甚至符合实际的技术参考，以确保政策顺利实施并达到预期目标。

按照以往国家及辽宁省级的监测评估大纲，监测评估工作主要内容是对后期扶持人口核定和扶持方式确定、后期扶持相关规划(方案)情况、后期扶持规划(600元内)实施情况、项目规划(600元外)实施情况、小库规划实施情况、移民避险解困规划(方案)实施情况、脱贫攻坚工作方案实施情况、美丽家园建设规划实施情况、项目及资金管理情况、移民生产生活水平等十多个方面进行跟踪评估，该项工作每个需要评估的县级单元应填写37张表格，需要核对填写的数据指标有252个，优点是专业、详细；缺点是工作量非常大，把问题繁琐化、不具体，问题分散，不利于后期整改。

由此，建立一个适合水库移民监测评估的指标体系尤其重要，一个健全的指标体系，能够体现“一致性、整体性、独立性、客观性、可测性和简易性”[1]等特点，BP神经网络方法具有对以往分析过程的主观性和复杂性进行克服的手段，并且可以从非常复杂的数据中探索其规律[2]。本文通过对盖州市近几年搬迁后的水库移民生产生活各方面的对比分析，以及水库移民后期扶持政策实施情况全过程监测与评估，采用BP神经网络模型对盖州市后期扶持政策实施情况进行评估，科学反映水库移民后期扶持绩效目标完成的进度及程度，为水库移民后期扶持工作提供及时、有效的支持信息[3]，顺利完成水库移民后期扶持工作。

1 建立监测评估指标体系

根据辽宁省近2a发布的水库移民监测评估大纲、表格以及对营口市盖州市2019年监测评估实地考察、调研、访谈等监测评估方法，按照系统性、完整性等健全的指标体系的特点，建立三级水库移民后期扶持效果风险指标体系，该指标体系共有20个三级指标、5个二级指标、1个一级指标构成，如图1所示。

2 BP神经网络模型

BP神经网络是一种按误差逆传播算法训练的多层前馈网络，是当前应用最广泛的神经网络模型之一。BP神经网络结构可以实现任意的从n维到m维的映射[4]，BP神经网络结构如图2所示。该结构图由输入层、隐含层、输出层3个部分构成，采取层与层全互联的连接方式，通常来说，BP神经网络学习过程是由输入层、隐含层到输出层正向传播方式，如果输出层的计算结果与之前设定的期望目标差距很大或者不符合，就会进入反向传播的方式，这个过程要不断地修复误差，并且反复进行网络训练，而任何一种指标体系都是从指标层映射推理到目标层，指标体系之间相互联系与神经网络各个层次间相互联系有一定程度相似之处，由此，我们可以采用BP神经网络模型对数据进行处理。

图1 盖州市水库移民后期扶持效果风险指标体系

图2 BP神经网络结构

3 实例应用

3.1 监测区区域情况

盖州市隶属于营口市，位于北纬N40°13～41.57″、东经E122°27～55.78″，渤海辽东湾东岸，依山傍海，物产丰富。盖州市总面积2928km2，总人口73万。根据资料调查，盖州市辖区内有2座大中型水库，分别为石门水库及玉石水库，总库容量约为1.91亿m3。水库修建时涉及5个库区淹没村，库区村移民总人口为14991人；移民安置大都实行就地后安置方式，分别安置在市辖区域内的530个村，移民安置村总人数约为130400人。

3.2 选取样本数据

根据《辽宁省2019年度水库移民后期扶持政策实施情况监测评估工作大纲》要求，移民人口5000～10000人(含10000人)的县(市、区)，样本村(组)不少于10个，按照3个档次5∶3∶2的原则选取。盖州市核定移民人口为9265人，按照以上原则，选取果园村、新民村、黄驼子村、八岭村、张郎寨村、古台子村、蒋屯村、矿洞沟村、苏堡村、大王寨村10个典型移民村进行实地调研、统计基础数据，详细数据见表1。确定其中6个典型村为训练样本数据，剩下4个移民村(蒋屯村、矿洞沟村、苏堡村、大王寨村)为检验样本数据。

3.3 样本数据归一化处理

归一化处理数据可以使样本计算结果收敛，运算效率同时提高，以上数据采取以下公式进行处理，公式如下[4]：

(1)

(2)

式中，xmin、xmax—该样本数据的最小、最大值；ymin、ymax—需要制定下、上边界。

3.4 风险评定标准确定

水库移民搬迁安置后，由于地理位置、基础设施、土地资源、科技水平等原因，其生产生活等各个方面均发生了巨大的变化，并且很难恢复到未搬迁之前的生产生活状态。将风险等级划分为5个级别的等级，风险等级分别为极有利影响、输出向量形式为(1 0 0 0 0)、移民受到的影响为生产生活水平明显提高，描述为零风险；有利影响、输出向量形式为(0 1 0 0 0)、移民受到的影响为生产生活水平提高不明显，描述为可忽略风险；一般、输出向量形式为(0 0 1 0 0)、移民受到的影响为生产生活水平基本恢复，描述为可接受风险；不利影响、输出向量形式为(0 0 0 1 0)、移民受到的影响为生产生活部分未完全恢复到搬迁之前的水平，描述为中等风险；极不利影响、输出向量形式为(0 0 0 0 1)、移民受到的影响为生产生活水平完全未恢复，描述为不可接受风险。

表1 盖州市典型移民村三级指标数据

3.5 后期扶持效果风险评价分析

该例网络输入节点为20个三级指标，根据图2模型可知，输出层节点数为5个，通过经验公式及其试算法等可确定隐含层节点数为10个，使用trainlm函数对样本数据进行训练，并使用L-M对数据进行优化处理，主要参数见表2。

通过以上既定模型，将蒋屯村、矿洞沟村、苏堡村、大王寨村等4个检验样本村数据输入以上模型中，通过盖州市监测评估报告及该模型输出结果进行对比分析。得出以下结果：

表2 L-M传播法相关参数数据

(1)蒋屯村网络输出向量为(0，0.0012，0.0001，0.0002，1)，BP网络模型显示该村风险等级为极有利，对照监测评估报告被评价为极有利，说明该村在后期扶持政策实施中受到的影响非常小，生产生活水平有明显提高。

(2)矿洞沟村网络输出向量为(0.0001，0.0006，0.0002，1，0)，BP网络模型显示该村风险等级为有利，对照监测评估报告被评价为有利，说明该村在后期扶持政策实施中受到的影响较小，生产生活水平提高不明显。

(3)苏堡村网络输出向量为(0，0.0014， 1， 0.0025，0)，BP网络模型显示该村风险等级为一般，对照监测评估报告被评价为一般，说明该村在后期扶持政策实施中受到的影响较大，生产生活水平基本恢复。

(4)大王寨村网络输出向量为(0，0.0008，0.0005，0.0001，1)，BP网络模型显示该村风险等级为极有利，对照监测评估报告被评价为极有利，说明该村在后期扶持政策实施中受到的影响非常小，生产生活水平有明显提高。

4 结语

(1)自后期扶持政策实施以来，盖州市移民生产生活条件有很大程度改善，尤其是蒋屯村及大王寨村受到影响非常小，生产生活水平有明显提高；矿洞村受到影响较小，生产生活水平提高不明显；苏堡村受到影响较大，生产生活水平基本恢复。通过分析监测评估报告，显示两者结论基本一致，说明上述指标体系及BP神经网络模型能够反映水库移民后期扶持政策实施效果。

(2)BP神经网络模型运算过程中需要大量指标数据，模型验证的成功与否与典型村样本数据、其他网络参数等有着密切的关系，在下一步工作中，需要进一步研究变量之间的关系及如何提升精度。