基于BP神经网络的辽宁省水资源开发利用程度评价研究

刘 洋

(辽宁省朝阳水文局，辽宁 朝阳 122000)

辽宁省位于东北地区南部，是国家重点重工业基地。水资源作为重要的基础性资源，在辽宁省的分布特点为：全年降雨分布不均，由东南向西北递减，人均水资源占有量仅为全国的1/3。辽宁省是北方严重缺水的省份之一。随着老工业基地建设进程的加快，辽宁省水资源供需矛盾日益突出，了解水资源开发利用程度，实现水资源健康可持续发展成为目前亟待解决的重要课题。

随着综合评价方法研究和计算机技术的深入发展，涌现出一系列将定性与定量相结合的数学评价方法，如：集对分析法[1]、密切值法[2-3]、主成分分析法[4]、物元分析法[5-6]、AHP-熵权法-模糊综合评价法等[7-9]，这些评价方法已经在水资源等方面得到广泛的应用，但这些传统的评价方法在评价过程中均需依赖于指标权重的确定，而权重的确定往往带有不同程度的人为主观臆断性，需要采用多种方法或方式进行验证，增加了评价的复杂性。水资源开发利用程度评价是一个复杂的综合评价问题，涉及水资源、环境、社会、经济等多方面因素，近些年神经网络算法的提出，克服了上述缺点，对复杂系统具有较好的识别，在不同领域得到了认可与应用。本文将BP神经网络算法应用到辽宁省水资源开发利用程度评价中，通过评价指标的选取，建立数学评价模型，从定量角度分析评价水资源开发利用状况，为水资源开发利用程度评价提供更加科学合理的方法。

1 BP神经网络理论[10-11]

1.1 BP神经网络结构

BP神经网络即是神经网络理论中的误差反向传递神经网络，基于反向传播过程对网络的权值和阈值进行不断调整，使非线性问题的求解得以实现。它的结构为：3层或3层以上的神经网络拓扑结构，包括输入层、中间层(隐含层)和输出层，是一种并行且多层的前馈网络(图1)。

图1 BP神经网络拓扑结构

1.2 BP神经网络算法

BP算法是一种监督式的学习算法，首先进行网络权值和阀值初始化，然后通过训练样本和隐含层输入，计算输出误差值，再通过循环调整隐含层直至误差满足要求，完成样本训练，最后利用已训练完成的网络模型进行预测或者评价，详细步骤参考文献[6-7]。神经网络算法的实现通常借助Matlab软件完成。

2 实例研究

2.1 水资源开发利用程度评价指标体系与标准

通过分析辽宁省水资源自然禀赋、社会经济发展水平及水资源供用耗情况[12-14]，本次从水资源系统、水资源开发利用系统和水资源社会经济生态系统3个系统中选取水资源人均占有量、可利用水量模数等11个指标构建辽宁省水资源开发利用评价指标体系，具体见表1。水资源开发利用程度评价等级分为3级(V1、V2、V3)，V1表示水资源开发利用处于饱和阶段，V2表示水资源开发利用处于发展过渡阶段，V3表示水资源开发利用处于初始阶段。评价现状年为2016年，数据资料采用辽宁省14个市及全省值，具体评价指标分级阈值[15-16]见表2、3。

表1 辽宁省水资源开发利用程度评价指标

表2 辽宁省水资源开发利用程度评价分级标准值

表3 辽宁省水资源评价指标数值

2.2 BP神经网络评价过程与结果

2.2.1BP神经网络模型建立

2.2.2BP神经网络优化学习

借助Matlab软件，使用newff函数工具箱创建神经网络模型，选用logsig和tansig作为传递函数，trainlm作为网络训练函数。将水资源开发利用程度评价分级标准值随机读取24组训练样本开始训练，学习率取0.01，进行反复训练，直至训练误差总和E≤0.000 01，训练停止，最大训练次数设置为30 000。

2.2.3评价结果输出

将训练好的BP神经网络应用于辽宁省14个市及全省水资源开发利用程度的评价，结果见表4。

2.3 评价结果验证

根据文献[8]的研究成果，采用AHP-熵权法-模糊综合评价法对研究区进行再次评价。其计算方法为：先采用AHP-熵权法确定更为准确且适合研究区域的权重，再通过模糊综合评价模型建立隶属函数，确定隶属度，对水资源开发利用程度进行定量评价。

将2种评价方法结果进行对比分析，结果见表5。从总体来看，2种评价方法的结果大致相同，除了沈阳市、锦州市和葫芦岛市在评价结果上差一级以外(AHP-熵权法-模糊综合评价法：沈阳V1、锦州V1、葫芦岛V1，神经网络评价法：沈阳V2、锦州V2、葫芦岛V2)，其他地区结果完全相同，且这3个地区的AHP-熵权法-模糊综合评价值均在V1和V2级的临界值0.66边缘，相差不大。这主要是因为评价方法权重赋值的主客观程度的不同，但从结果总体上看，可以证明BP神经网络应用于水资源开发利用程度评价的可行性与适用性。

表5 评价结果验证对比

2.4 评价结果分析

由BP神经网络对辽宁省水资源开发利用程度评价结果可以看出，辽宁省水资源开发利用程度总体上处于中间过渡阶段，仍有一定的开发利用潜力，但纵观14个地级市，其开发利用程度不尽相同，呈现出与水资源空间分布特点相同的趋势，见图2。辽东地区的丹东市、抚顺市水资源丰沛，评价结果为V3级，水资源开发利用程度为初级阶段，仍有较大的开发利用潜力；辽西地区的阜新市和朝阳市“十年九旱”，水资源紧缺，评价结果为V1级，水资源开发利用程度已达到饱和阶段，开发利用潜力较小；其他10个地市均为V2级，水资源开发利用处于发展过渡阶段，仍有一定的开发利用空间。

图2 辽宁省水资源开发利用程度评价结果

3 结论

a)本文将BP神经网络应用于辽宁省水资源开发利用程度评价当中，通过AHP-熵权法-模糊综合评价法验证，表明BP神经网络可以准确的对水资源开发利用系统做出合理的评价，同时能够避免传统方法评价指标权重赋值的主观性和复杂性，简单快捷，结果可靠。

b)通过对辽宁省水资源开发利用程度评价可以看出，辽宁省水资源开发利用程度总体正处于发展阶段，有一定的开发利用潜力，但是各地市却开发利用程度不一，呈现出东部水资源开发利用潜力较大，西部开发利用潜力较小，中部地区处于过渡水平的特点。这说明目前辽宁省水资源开发利用程度与水资源自然禀赋条件是一致的，具有空间分布不均的特点，未来可以通过调水等合理配置方法平衡水资源开发利用程度，从而实现水资源的健康可持续发展。