基于回歸神經網絡的遼寧省水資源承載能力研究

孟繁星

(遼寧省朝陽水文局，遼寧 朝陽 122000)

水資源承載力是以保證可持續與生態環境良性循環為基礎，在合理開發利用的原則下按照現有的經濟、技術水平，能夠持續支撐某地區歷史發展階段最大規模的能力和限度。因此可將其定義為在一定的經濟發展和區域范圍，所能夠維持的經濟發展和人類活動的最大程度，且該經濟發展以保持生態環境為基本原則并具有可預見性和可持續性等特征，結合水資源合理配置和高效利用基本理論最終實現人與生態環境的和諧相處。水資源承載力不僅與生態自然相關，而且與水資源開發程度和范圍相關，它是反映某流域或區域內的水資源與社會經濟發展相互關系的重要指標。水資源供需矛盾將直接影響到人水和諧可持續發展的進程，尤其在我國北方環渤海區域，淡水供需矛盾緊張、水體污染嚴重、用水效率低等問題已成為制約該區域經濟社會發展的主要因素[1]。

目前，承載力評價為水資源領域研究的熱點之一，可為促進區域經濟發展以及產業結構調整提供重要的理論支持，對此國內外許多學者開展了大量研究，如Ding等[2]對水資源系統的不確定性和變化特征進行研究，并探討了人水之間的復雜關系，評價了城市人水和諧狀況；Ngana等[3]通過分析水資源綜合管理戰略，認為造成流域水資源不可持續利用的因素為對承載力現狀的認識不足和缺乏有效的流域管理方式；Kyushik等[4]認為對城市承載力可依據土地利用密度和城市現有基礎設施指標評估；傅湘等[5]以漢中平壩區為例，對水資源承載力貢獻率因子利用主成分分析法進行了分析評價；何俊士等[6]以淮河流域為例，對比分析了模糊聚類神經網絡法與集對分析法的承載力評價結果；王儉等[7]利用神經網絡客觀、科學地評價了遼寧省水資源承載力狀況；夏軍等[8]從影響因素的角度對西北地區水資源承載現狀、未來發展趨勢利用綜合評判法進行評價和對比，建立了有效的指標體系。據此，本文結合已有文獻資料和GRNN模型原理，客觀科學地評價了遼寧省2008—2016年水資源水平，對遼寧省水資源承載力嘗試應用廣義歸回神經網絡GRNN模型進行科學評價，以期有效解決GRNN模型的適用性問題，為該區域水資源管理提供一定參考。

1 回歸神經網絡基本理論

GRNN學習算法的基本流程為：選取徑向基函數中心，引入樣本輸出和輸入矩陣分別為T、P，則徑向基函數中心可表示為C=P′，其中P′為P矩陣的轉置；然后采用下述公式分別對神經基層的閥值與輸出向量進行求解：

b1=[b1，b2，…bs1]

(1)

(2)

式中，bi=0.8326/s，s—散布常數。

經過上述運算，GRNN網絡輸入可表示為如下形式：

(3)

y=purelin(n2)

(4)

2 構建水資源承載力模型

2.1 建立指標體系

指標體系能全面、客觀、簡明、科學地反映水資源對區域生態環境和社會經濟能夠承載的內容和過程，不僅可體現被承載對象的各個方面，而且可為水資源管理政策、合理配置以及可持續利用等提供決策依據和參考。實踐表明，水資源開發利用程度、人均用水量、污水處理率，產水模數，區域經濟發展等為影響區域水資源承載力的主要因素。本文參考相關專家意見和全國水資源供需分析指標體系，在遵循獨立性與系統性、定量與定性、可操作與可比性、概括性與全面性等原則的基礎上，分別從限制納污、用水效率以及水資源總量3個方面對指標進行選取，因數據資料有限并考慮到評價結果的準確性，共選取了10項代表性指標，并將承載力劃分為Ⅰ、Ⅱ、Ⅲ級3個標準，分別代表承載力狀況較差、一般、較好，見表1。分級標準中Ⅰ級評分值為0.05，區域水資源具有較小的開發利用潛力，承載力狀態已趨近于極限，在此條件下的生態環境、社會經濟以及資源的利用為不可持續狀態；Ⅱ級評分值為0.5，區域水資源開發雖然具有一定規模，但仍存在發展潛力，水資源供給基本滿足整體的需求；Ⅲ級評分值為0.95，區域水資源具有較大的利用潛力，可持續利用狀態良好，可為社會發展提供有力的資源保障。

2.2 回歸神經網絡的設計

結合GRNN模型運算過程和基本原理，利用MATLAB軟件進行運算，具體的流程如圖1所示。首先根據各分級標準并利用Visual C++編程語言隨機生成隸屬于Ⅰ級、Ⅲ級、Ⅲ級標準的5個檢驗樣本和10個訓練樣本，利用極差歸一化對各數值樣本進行處理，從而提高模型訓練效果的可靠性；然后利用newgrnn(P，T，s)自帶函數建立模型，并依據各級評分值0.05、0.5、0.95作為訓練樣本期望輸出，并將15個檢驗樣本輸入已檢驗訓練完成的網絡，通過調整spread值逐漸使得樣本輸出誤差滿足設定要求。網絡輸出見表2，期望輸出與實際輸出保持良好的一致性，由此表明該GRNN模型可用于水資源承載力的計算分析。

3 實例應用

3.1 遼寧省概況

遼寧省面積為14.8萬km2，主要包括沈陽、大連、撫順、鞍山、本溪、丹東等14個省轄市，不僅是我國東北地區重要的農業糧食生產中心，而且屬于我國重工業和文化發展的核心區域；遼寧省河網水系密集，河流縱橫交錯約300條，主要有饒陽河、渾河、太子河、遼河等，其中遼河長480km，流域面積6.92萬km2，為遼寧省第一大河流。遼寧省境內地勢結構自北向南、由東西兩側向中間整體呈降低趨勢，遼東、遼西區域主要以低山丘陵為主，區域水資源承載力將直接影響著區域經濟發展與生態環境的發展。遼寧省屬于大陸季風氣候，多年降水量560.0mm，受地形地貌和經緯度影響，年際降水量變化較大并且在時空分布上極不均衡，主要集中在汛期(6—9月)。全省2015年水資源總量為178.98億m3，人均水資源量185.6m3/人，并且遠遠低于全國平均水平。近年來，為滿足區域經濟快速發展的需要而忽視了對水資源的保護，并致使生態環境與社會經濟需水量之間出現了嚴重失調，水資源過度開發利用造成生態系統的退化，水土流失、水資源緊缺以及水體污染等矛盾日趨突出，加之該區域節水設施較為落后、水資源浪費及污染等問題，其水資源承載力面臨著更加嚴峻的挑戰[9- 14]。據此，本文基于該現狀背景，通過建立指標體系和GRNN模型分析評價了遼寧省2008—2016年的承載力發展趨勢，以期緩解該區域社會經濟發展與水資源需求之間緊張的矛盾關系，并制定科學合理的水資源管理政策提供一定參考和依據。

表1 遼寧省水資源承載力指標體系與分級標準

表2 網絡輸出結果

圖1 GRNN模型運行流程

3.2 結果分析

依據遼寧省2008—2016年的統計年鑒、水資源公報、政府工作報告以及水環境狀況公報等相關資料，對承載力各指標數據進行統計整理，結果見表3。

表3 遼寧省2008—2016年各指標數據

利用文中所述公式對各指標初始數據進行歸一化處理，并將各數據輸入已訓練完成的GRNN模型，利用MATLAB語言運行模型可得到各年份水資源承載力評價結果，對比分析該模型與模糊綜合評判結果，結果見表4。

表4 2種方法評價結果對比

根據表4計算結果，遼寧省水資源承載力在研究期間整體處于Ⅰ～Ⅱ級區間，其中Ⅰ級的年份有2008—2009、2014年，自2010年以來該區域承載力整體處于Ⅱ級水平。研究表明，遼寧省水資源開發利用雖然具有一定規模，但仍存在相當的開發潛力；根據2014年評判結果可知，該區域承載力表現出波動變化趨勢，但整體表現出增強趨勢，這可能與該區域近幾年社會經濟轉型、產業結構調整等相關。近年來，隨著人們環保意識的加強，對水資源保護力度不斷加大，水資源污染得到遏制。另外，社會經濟發展模式由之前的粗放型、高消耗、高污染模式逐漸轉變為節約型、環保型，產業結構更加合理。2種方法評價結果保持良好的一致性，由此表明所建立的模型具有較強的可行性與可靠性。

4 結論

本文結合國家提出的水資源“三紅線”要求和遼寧省水資源概括，通過構建評價指標體系和GRNN模型，客觀科學地評價了該區域2008—2016年水資源概況，得出的主要結論如下。

(1)從用水效率、用水總量和限制納污3個方面構建的指標體系，能夠更加客觀、系統地反映區域水資源狀況。通過構建承載力分級標準并利用GRNN模型隨機生成檢驗樣本與訓練樣本，可有效解決模型泛化能力低和樣本難以獲取的問題。

(2)遼寧省水資源承載力在研究期間整體處于Ⅰ～Ⅱ級區間，其中在Ⅰ級的年份有2008—2009、2014年，自2010年以來該區域承載力整體處于Ⅱ級水平。2種方法評價結果保持良好的一致性，由此表明所建立的模型具有較強的可行性與可靠性。研究期間承載力呈上升趨勢，這可能與該區域近幾年社會經濟轉型、產業結構調整等相關。

(3)GRNN模型具有參數少、操作簡單等優點，考慮到指標數據的可靠性與準確性、模型訓練樣本與訓練精度的問題，本文所建立的指標體系仍需要不斷完善，未來有待繼續深入研究。