基于隨機森林算法的水利工程征遷移民經濟補償模型

溫 旋

(江蘇省工程勘測研究院有限責任公司，江蘇 揚州 225002)

水利工程作為重要的民生類工程，是影響社會發展和人們生活質量的重要項目之一，其中，由于水利工程施工帶來的移民安置更是與廣大群眾的生活利益密切相關的問題之一[1]，其不僅有著巨大的社會影響力，同時也是關系到工程項目推進的重要因素。在此基礎上，對當前的水利工程建設征地移民安置工作開展情況進行深入研究和分析可以發現[2]，在高標準高要求下，征遷移民安置規劃已經在一定程度上達到了嚴格高效的水平，并且為整個水利工程建設項目的順利實施提供了可靠的基礎和保障[3]。在對水利水電工程的移民進行經濟補償時，保障社會的長期穩定發展，以及征地區域社會經濟健康發展是核心目標[4]。以此為基礎，在對具體的水利工程征遷移民經濟補償進行分析計算過程中，結合前期的實物的調查結果，以及移民者的身份信息、家庭人口信息等[5]，作出合理的規劃是十分必要的。除此之外需要注意的是，安置區的資源現況以及環境情況也在一定程度上影響著經濟補償量[6]。結合上述的分析可以看出，水利工程征遷移民經濟補償的分析和計算是一個涉及因素較多的系統化工作內容[7]。

為此，本文提出基于隨機森林算法的水利工程征遷移民經濟補償模型設計研究，利用隨機森林算法在數據分析階段的優勢，實現對水利工程征遷移民經濟補償因素的綜合計算，以此保障最終構建經濟補償模型能夠最大限度實現對水利工程征遷移民補償量的合理計算。

1 水利工程征遷移民經濟補償模型設計

1.1 水利工程征遷移民損失構成分析

要實現對水利工程征遷移民經濟補償模型的合理構建，首先需要對水利工程征遷移民損失進行全面分析[8]，為此，本文分別從有形損失和無形損失的角度，對其展開研究，為后續的模型構建提供可靠的基礎。

首先，對于水利工程征遷移民的有形損失而言，本文將其劃分為以下幾類，分別為房屋損失、附尾建筑物損失、土地損失、青苗和林木損失、農業副業設施以及特色實物損失6類。其中，按照房屋的結構對其進行劃分，其可以分為鋼筋混凝土結構房屋、磚混結構房屋、木結構房屋、磚木結構房屋、土木結構房屋、窯洞類型房屋，以及其他結構房屋。其次就是對附尾建筑物損失的量化分析，對應的類型劃分結果包括圍墻、門樓、糞池、曬坪以及墳墓；土地損失量化分析階段的按照畝產值進行劃分，對應的等級劃分標準見表1。

表1 土地等級劃分標準

按照表1所示的方式，實現對土地的劃分。在青苗和林木損失分析階段，直接按照已有的樹齡計算標準實現對樹木類型的劃分；對農業副業設施進行分析時，具體的種類劃分結果包括石灰窯、小煤窯、采石場、小鐵礦、小紙廠、榨油坊以及精養魚場；最后就是對特色實物損失的分析，對應的類型主要包括特色野生物產損失、特色宗教設施損失、以及特色民居損失3種。

其次，對于水利工程征遷移民的無形損失而言，本文將其劃分為4大類，分別為特色經濟損失、政治損失、身心健康損失以及非物質文化損失。對上述損失的構成進行細化，具體見表2。

按照這樣的方式，實現對水利工程征遷移民無形損失構成情況的細化分析。

結合上述，分別從有形損失和無形損失的角度全面明確水利工程征遷移民帶來的損失，為后續經濟補償模型的構建提供保障。

1.2 基于隨機森林的經濟補償模型構建

在構建具體的水利工程征遷移民經濟補償模型時，考慮到不同類型的損失補償單價是不同的。其中，房屋損失的經濟補償量可以表示為

C(h)=∑c(hi)×si

(1)

式中，C(h)—房屋損失的經濟補償量結果；c(hi)—i類型房屋的補償單價；si—水利工程征遷范圍內i類型房屋的總面積。

在此基礎上，其余損失具體的經濟補償量計算公式與式(1)一致，均按照具體類型的損失量×類型損失補償單價的方式進行。對應整體水利工程征遷移民經濟補償模型構建階段，本文引入了隨機森林算法，將任意類型的損失作為分叉樹，在多分支下，得到的模型可以表示為

C=C(x)+C(y)=∑C(xi)+∑C(yi)

=∑∑c(xi)+∑∑c(yi)

(2)

式中，C—水利工程征遷移民經濟補償模型；C(x)、C(y)—有形損失的補償量和無形損失的補償量，也就是隨機森林算法的一級分叉；C(xi)、C(yi)—各類有形損失和無形損失的補償量，也就是隨機森林算法的二級分叉；c(xi)、c(yi)—各類有形損失和無形損失具體構成的補償量，也就是隨機森林算法的三級分叉。

由此，完成對水利工程征遷移民經濟補償模型的構建。

2 應用測試

2.1 基礎信息

本文以某水利工程的征地移民安置問題為基礎開展了對比測試，其中，涉及移民總人數為14025人，包括12300名農業安置居民，以及1725名第三產業安置居民。在移民安置人員的經濟收入分布統計階段，本文以該地區農村家庭的平均數據作為基礎，得到的人均收支結構分布情況見表3。

表3 水利工程征地移民安置區域人均收支結構分布情況統計表

結合表3的統計結果可以看出，測試水利工程征地移民安置工作中，涉及安置居民的人均全年總收入為53260.45元，其中，勞動者報酬收入和家庭經營收入(基本收入)的占比達到了94.75%。人均全年總支出為40126.80元，最主要的支出構成為生活消費支出總額，對應的占比為62.08%。在此基礎上，對水利工程區域近5年的消費價格指數變化情況進行分析，具體的平均增長率為2.12%。除此之外，對水利工程的具體征地情況進行分析，得到的數據結果見表4。

結合上述所示的數據，分別采用本文設計的模型以及文獻[7]和文獻[8]提出的征地移民安置補償方法進行對比測試，分析不同測試方法輸出經濟補償量與實際值之間的差異。

2.2 測試結果與分析

在上述測試環境的基礎上，分別統計了不同方法的測試結果與實際補償量之間的關系，將二者之間的誤差作為評價結果。對于移民經濟補償測試結果誤差的分析以，本文以人均補償量為基礎進行計算，得到的數據結果如圖1所示。

結合圖1所示的測試結果可以看出，在3組不同測試結果中，對于水利工程征遷移民經濟補償量計算結果的誤差存在較為明顯的差異。其中，文獻[7]方法的移民人均經濟補償量計算結果與實際補償量之間的差值為162.44元，結合移民總人數對其進行分析，整體誤差達到了2278221.00元；在文獻[8]方法的測試結果中，人均經濟補償量計算結果與實際補償量之間的差值達到了200元以上，同樣結合移民總人數對其進行分析，整體誤差為3002191.50元。相比之下，對本文設計補償模型的測試結果進行分析，對應的人均經濟補償量計算結果誤差僅為76.30元，分別低于文獻[7]方法86.14元，低于文獻[8]方法137.76元。從整體角度進行分析，本文設計補償模型的誤差為1070107.5元，分別低于文獻[7]方法1208113.50元，低于文獻[8]方法1932084.0元。綜合上述的測試結果可以看出，本文設計的基于隨機森林算法的水利工程征遷移民經濟補償模型可以實現對水利工程征遷移民經濟補償量的有效計算，對于相關征遷移民安置方案的設計具有一定的實際應用價值。

3 結語

在征遷移民經濟補償階段，由于對各類損失的分析精度較低，導致補償量的計算結果存在較大誤差，本文提出基于隨機森林算法的水利工程征遷移民經濟補償模型設計研究。結合不同水利工程征遷移民經濟補償量影響因素對于經濟補償量的具體影響程度，利用隨機森林算法構建了具體的模型，實現了對具體補償量的準確計算，對于實際的水利工程征遷移民安置問題而言，具有良好的實際應用價值。由于本次測試僅以某水利工程為研究對象，在后續研究中，將繼續增加研究范圍，希望能夠為最大限度平衡水利工程征遷移民階段各方的經濟利益，保障相關工程項目的順利推進。