基于ResNet算法的水库移民安置效果评价

段云飞

(江苏省工程勘测研究院有限责任公司，江苏 扬州 225002)

水库移民工作是指由于地方水利工程或水库建设工程的兴起，从而形成的有组织、有计划、大规模的人口迁移与社区重建活动。水库工程的移民工作是一项系统的工作，移民安置规划包含的内容较多[1]，相比其他类型的移民工作，水库移民具有涉及人口数量大、覆盖范围广、影响程度高等特点。当居住在水库位置的居民发生迁移活动后，原有的社区组织将发生离散，部分公共群体将面临失去房屋住所、失去土地等风险。在此项工作中，科学地编制水库移民安置方案，根据居民生活需求，制定安置后居民生产与生活计划，不仅可以降低水库移民过程中的多种风险，还可以使迁移的居民群体快速恢复其原有生活。目前，地方政府与安置单位已加大了对此项工作的投入，认知了水库移民安置保障工作的重要性，并成立了专门的组织机构进行安置工作中遗留问题与遗留风险的识别。但在深入此项工作的研究中发现，大部分工作单位在完成对水库移民安置工作后，没有进行工作效果的追踪，即没有在后续的工作中进行安置效果的评价，导致部分与民生相关的工作未能得到妥善、合理地解决[2]。而移民安置又是一个与社会发展息息相关的话题，此项工作不仅涉及居民群体个人的利益，还涉及安置区域经济的稳定发展，因此，可以认为落实此项工作是实现助力和谐社会建设的关键，能够为水库移民后期工作提供及时有效的信息，顺利完成后期扶持工作[3]。为避免水库移民安置工作的实施无法达到预期效果，准确的对水库移民安置效果进行评价，本文将在此次研究中引进ResNet算法，设计一种针对水库移民安置效果的全新评价方法，通过此种方式，为移民群体的未来生活提供保障。

1 设计水库移民安置效果评价指标

为实现对水库移民安置效果的综合评估，掌握安置后居民对迁移生存地区的满意度，应在设计评价方法前，设计水库移民安置效果评价指标。建立指标体系时，应遵循系统性原则，保证所选的指标具有覆盖全面化与完整化的优势，同时，遵循层次性与定量化原则，保证指标的真实性与可利用性。在选择评价指标时，需要综合权衡水库地区居民在移民安置前后其个人生活水平的变化[4]。根据相关工作的需求，设计水库移民安置效果评价指标体系，相关内容见表1。

根据上述内容，建立水库移民安置效果评价指标体系，结合实际情况，进行指标体系的填充与优化。

2 基于ResNet算法的安置效果评价模型构建与训练

引进ResNet算法，构建水库移民安置效果评价模型[5]。为解决由于评价数据过多导致的模型梯度爆炸，将利用ResNet算法，进行残差网络的深度优化[6]。即前端若干层网络数据的输入会在一定程度上导致网络评价出现冗余，因此，在评价时，可基于ResNet算法中的VGG19网络，进行网络深度的优化，此过程如下计算公式所示。

表1 水库移民安置效果评价指标体系

(1)

式中，x—VGG19网络深度优化；f—数据输入层；k—数据空间维度；b—数据梯度；l—数据链路长度；j—一级指标；i—二级指标；M—网络结构层数。根据此次评价需求，设定网络结构层为M，此时M由一个全连接层与M-1个卷积层构成[7]。在卷积层中存在一个BLOCK代表维度不变的残差块，在此种条件下，可以通过对输入维度与输出维度的同步处理，深化网络结构。将此过程作为评价模型构建过程，如下计算公式所示。

(2)

式中，T—水库移民安置效果评价模型；ω—残差块；K—残差块梯度；s表示为卷积层；m表示为同步处理时序。将设计的评价指标在VGG19网络的输入层录入，指标与评价参数将在零填充模块输入[8]。与此同时，VGG19网络开始训练，在第一个阶段中，网络卷积层将进行输入数据的批正则化处理，处理过程中，调用激活函数，在最大池化层进行数据操作。计算公式如下。

(3)

式中，S—水库移民安置效果评价模型；n—批正则化处理；r—激活函数；k—激活维度。完成上述处理后，模型训练进入第二个阶段，此时需要在模型中添加不同维度的残差块与两个不改变维度的残差块，持续增加残差块的维度[9]。当增加到最大维度后，评价数据将被录入扁平层，在完成对不同模块的全连接处理后，实现对数据的输出。通过此种方式，实现基于ResNet算法的安置效果评价模型构建与训练。

3 构建目标评价矩阵与综合评价结果量化

假设水库移民安置区域的数量为p个，则安置区域可以表示为P={P1，P2，…PP}，根据安置区域数量，设定按照区域的目标评价矩阵数量为Q，将相关数据录入专家决策系统，在系统中进行评价目标的设定，此时目标层权值向量可以表示用下述公式进行计算。

(4)

式中，γ—目标层权值向量；u—相对重要程度；α—专家系统决策结果。在此基础上，根据一级指标的权重值，建立层次化决策函数，进行二级评价指标权重的决策[10]。以此为依据，采用线性隶属度函数，建立目标评价矩阵。表达式如下。

(5)

式中，A—目标评价矩阵；a—指标上限取值；b—指标下限取值；c—指标实际取值；d—指标期望值。将评价指标及其对应的参数与目标评价矩阵进行对接，按照计算公式(6)，进行水库移民安置效果的综合评价。

B=U·BQ

(6)

式中，B—水库移民安置效果综合评价结果；U—分项指标评价结果。对公式(6)的计算结果进行量化，量化标准与水库移民安置效果评价等级见表2。

将上述计算公式(6)的计算结果，与表2中的量化取值进行对照，通过此种方式，掌握水库移民安置后的效果，以此种方式，完成基于ResNet算法的水库移民安置效果评价。

表2 水库移民安置效果评价等级与量化标准

4 实例应用分析

为检验基于ResNet算法的水库移民安置效果评价方法是否能在实际应用中发挥预期的效果，本文将以某水利工程建设项目所在地为例，展开应用测试。

实验前，与水利工程施工方进行交涉，明确该地区为了兴建水利工程项目，需要占用部分居民生活用地与居住用地。地方政府不得不采取措施进行水库的移民与群体安置处理，根据相关工作实际需求，明确此部分群体的移民安置区域共由D1～D6构成，对D1～D6区域的基本情况进行勘查，得到如下表3所示的安置区基本概况。

表3 水库移民安置区域基本概况

完成对水库移民安置区域基本概况的分析后，使用本文设计的评价方法，进行D1～D6安置效果的评价。评价过程中，先设计水库移民安置效果评价指标，设计指标时，应遵循代表性、全面性、可量化性等原则，选择有价值、可用的评价指标。在此基础上，引进ResNet算法，建立水库移民安置效果评价模型，对模型进行反复训练。根据不同评价指标的权重与可操作性，建立目标评价矩阵，通过此种方式，得到综合评价结果。按照提出的步骤，对D1～D6安置区域进行综合评估，确定不同评估矩阵的子指标的权值与隶属度，根据隶属值进行D1～D6安置区安置效果的分析。

分析过程中，参照上文第三章内容中的评价结果量化标准，进行D1～D6安置区安置效果的量化，量化结果如图1所示。

图1 D1～D6安置区安置效果评估结果量化

对D1～D6安置区安置效果评估结果量化值按照大小进行排序，得到D5>D2>D3>D1>D6>D4，即D5安置区的安置效果最佳，D4安置区的安置效果最差。参照上述表2中内容可知，D5安置区的经济水平已经达到了城镇水平，社区风俗与其原有地区的风俗完全一致，生活设施与建设水平基本完善，D4安置区的经济水平最差，其发展仍处于农村水平，加之供暖方式较为落后，使其得到了最低评分。

通过上述分析可知，本文方法对不同安置区安置效果的评估，与安置区实际条件较为适配。因此，可以得出结论：本文设计的基于ResNet算法的水库移民安置效果评价方法，在实际应用中可以实现对安置效果的精准评价，通过此种方式，为居民提供一个与其需求适配的安置环境。

5 结语

为保障移民安置后的群体生活环境与其个人需求具有较高的适配度，实现对群体生活与生产水平的提升，本文设计了基于ResNet算法的水库移民安置效果评价方法，并将该方法应用至某水利工程建设项目中，通过实际应用证明了本文设计评价方法可以实现对安置效果的精准评价，可以为居民提供满足实际需求的安置环境。但是由于时间的限制，本文设计的评价方法注重安置区是否满足居民需求，没有更加直观的体现不同安置政策处的实施效果，今后将完善本文设计的评价方法，以期为移民工程的规划提供更加科学的技术基础。