辽阳市水环境承载力评价

宋 玲

(灯塔市水利工作服务中心，辽宁 辽阳 111300)

目前，我国经济社会可持续发展受水环境恶化和水资源短缺的制约日趋突出。水环境及其承载力状况在很大程度上决定了区域经济的发展。因此，科学指导区域发展规划以及准确评价其水环境承载力，已成为现阶段水文水资源研究的热点。

水环境承载力覆盖范围广、影响因素多，且各影响因素与承载力间存在非线性关系，以传统的线性方法评价分析难度较大。RBF人工神经网络具有状态稳定、算法成熟、非线性数据处理能力强等优点，在求解非线性问题时有较好的可行性和可靠性，尤其是数据分类和模式识别时表现出较强适用性。本研究以辽阳市为例，针对不同情境模式下的综合污染指数利用RBF人工神经网络模型进行预测，可以更加直观、真实的反映区域水环境状况[1]。

1 研究方法

采用RBF模型，隐层神经元的运算法则如式(1)所示：

(1)

式中：Ini为神经元激活函数的输入；w为输入层各因子权重；u为输入向量；bi为输入向量u与该层权向量w的偏差；wji为隐含层i中的第j项因子权重；uj为第j项输入因子。

将高斯函数设定为径向基函数，利用公式(2)输出相应的数值，即：

(2)

根据式(1)、式(2)，径向基函数输出值随着w与u之间距离的减少而增加，当w与u之间的距离为0时，即输入值取0时则径向基函数输出最大值为1。因此，在权值向量与输入向量相同时可以将径向基神经元作为一个探测器，检测其输出为1的情况。

2 模型应用

首先采用已知数据系列对RBF人工神经网络模型验证、训练，并对模型参数进行优选，在此基础上对各种可能方案利用验证好的模型加以预测。对于网络模型的一系列运算，利用Matlab软件实现。

2.1 模型输入

辽阳市地处辽宁省中部，下辖辽阳县、灯塔市和5个市辖区，总边界线长471.8 km，占地面积4744 km2。从东南部边界白云山至西北部边界河畔，地势总体呈阶梯式下降趋势，地形依次为中山、低山、高丘陵、低丘陵、台地和平原，海拔高度50～1000 m。由于地貌形态的不同，境内气候特征存在明显差异，年降水量500～900 mm，总体上东部低山、丘陵地带降水量最多，其次为西部沿河平原，而北部丘陵、平原地带的降水量最少约500 mm。境内大小河流纵横交错，其中流程超过5 km的河流有86条，超过10 km的河流有29条，各河流共同组成浑太水系[2-4]。

辽阳地区的水资源较为丰富，但局部地区仍存在开采成本高、开发难度大、边际效益低、可开发总量少的问题。近年来，随着社会经济的快速发展及各行业用水量的急剧增加，该地区水体污染、江河断流、用水效率低下等问题日趋突出，湖泊、湿地、池塘等具有储存和滞洪功能的区域逐渐消失，水环境承载力和水生态功能明显下降。对此，为准确掌握水环境承载经济社会的程度，实现区域水资源的合理开发和永续利用，有必要采用适宜的方法科学预测其水环境承载力[5-8]。

水环境系统是一个耦合了生态环境、经济社会、水资源等子系统的复合系统，本文遵循实用性、可量化性、信息集成度高和政策相关性强等原则，综合考虑各方面因素确定RBF模型的输入项，如表1。

2.2 承载力分级

依据相关研究成果将水环境承载力定义为：在一定的可预见的科学技术和经济社会发展条件下，以实现水资源可持续发展和维护水生态系统良性循环为原则，水环境协调人们生活需求与经济社会发展的程度。

水体、水质为体现水环境承载力的关键因素，综合污染指数能够客观反映区域的整体污染程度，揭示多个监测断面、多项水质参数的综合水平。一般地受污染程度较轻的水环境还能够容纳一定的污染物，而严重污染的水体趋近于极限承载力状态，若继续污染将进一步加剧整体污染程度。因此，区域水环境承载力可以利用综合污染指数来衡量，本研究对水环境承载力评价时引入综合污染指数。设定RBF模型的输出项为综合污染指数，为了更加直观的表达和评价区域水环境状况，将水环境承载力等级按照综合污染程度分级方法进行划分，如表2。

表1 RBF模型输入指标

表2 等级划分标准

Ⅰ级水环境承载力的综合污染指数取值区间为(-∞，0.4]，该条件下水环境系统处于较优状态，水环境与人类活动之间的协调发展状态良好，此时的经济发展力度可以适当加大，并加强对水系统的保护。

Ⅱ级、Ⅲ级水环境承载力的综合污染指数取值区间为(0.4，1.0]和(1.0，1.5]，该条件下水环境系统处于较好、及格状态，水环境与人类活动之间的协调发展状态较好。此时，水环境保护应引起足够的重视，在有效保护水环境的基础上协调发展经济，否则水环境与人类活动的协调关系将被破坏。

Ⅳ级、Ⅴ级水环境承载力的综合污染指数取值区间为(1.5，2.5]和(2.5，+∞]，该条件下水环境系统处于较差、最差状态，水环境与人类活动之间的协调发展状态极不协调。此时，要加大水环境治理力度和环保投资规模。

2.3 验证

一般情况下，为获取较优的网络结构以及保证较高的模型预测精度，通常需要有较长时间的样本数据序列。根据2010—2019年河水质监测资料，以旬为统计时段生成59组样本数据序列，其中用于参数优选的数据有54组、模型验证的数据有5组。采用坐标轮换法进行模型参数的优选，逐一确定隐含层神经元个数及模型的其他参数。在某一参数确定时保持其他参数不变，经过多次轮换优选出最佳的RBF模型参数，即扩散速度取1、学习目标取0.000 1、神经元最大个数取50。

然后对RBF模型设置相应的参数值并输入54组训练数据，以训练结果误差作为RBF模型训练是否终止的判别条件，训练误差满足精度要求则代表样本中的信息已被模型完全掌握。对完成训练的模型输入5组验证数据，结果显示RBF模型的验证精度能够达到预期精度要求，相对误差低于10%，可以用于水环境承载力预测。

2.4 方案预测

结合辽阳市环保发展状况拟定了3种不同的情境方案，各方案设计如下：(1)现状环保方案：维持现状环保水平、单位用水量和GDP正常增长，水资源总量与调水量达到平均水平。(2)中环保方案：环保治理与单位用水量达到中环保状态，水资源总量处于平均水平，随工程完善调水量有所增加且GDP正常增长。(3)高环保方案：环保治理与单位用水量达到高环保状态，水资源总量处于平均水平，随工程完善调水量逐渐增加且GDP正常增长。

将每组方案进一步划分为中远期(2030年)、近期(2025年)和现状(2020年)3种不同的经济发展水平，并将各组方案指标值输入已经训练好的RBF模型，通过预测模拟输出承载力评价结果，如表3。

表3 基于不同情境的水环境承载力预测

在环保水平保持不变的情况下，人口增加和经济发展会进一步增大总用水量，若污水处理能力达不到要求将逐渐增加污水排放量，并进一步减弱水环境承载力。其中，污水排放量、人口规模和经济发展为水环境主要影响因素。在经济发展保持不变的情况下，水环境承载力随环保水平的提高而增强，该变化规律与实际情况相符。

中环保和现状环保方案具有较弱的承载力，而高环保将大大增强区域承载力，超过其他两种方案。为维持水环境与人类经济活动的协调可持续发展，进一步提高水环境承载力有必要加大环境治理和投资力度。

3 结 论

RBF模型不需要预先掌握不同变量间的相互关系及其变化规律，但需要结合实际情况合理构造RBF网络结构，经样本数据的学习训练获取相关知识网络权值，该模型具有适用范围广、操作性强、建模方便等特点。在水环境承载力预测时利用RBF模型具有较强的实用性，能够客观准确地反映区域水环境状况。