基于BP神經(jīng)網(wǎng)絡(luò)的文山州水資源承載能力評(píng)價(jià)分析

崔東文

(文山州水務(wù)局，云南文山 663000)

1 研究背景

水資源承載能力是指一個(gè)地區(qū)的水資源對(duì)該地區(qū)社會(huì)經(jīng)濟(jì)和生態(tài)與環(huán)境的最大支撐能力或最大支撐規(guī)模，最終目的都是為了指導(dǎo)該地區(qū)的水資源配置，解決水資源短缺和社會(huì)經(jīng)濟(jì)的可持續(xù)發(fā)展問題［1］。水資源承載能力評(píng)價(jià)的目的是為了揭示有限的水資源與人口、環(huán)境和經(jīng)濟(jì)發(fā)展之間的關(guān)系，以便合理充分地利用水資源，促進(jìn)經(jīng)濟(jì)社會(huì)的可持續(xù)發(fā)展［2］。水資源承載能力評(píng)價(jià)過程中，諸如趨勢(shì)法、模糊評(píng)價(jià)法、多目標(biāo)分析法、契比雪夫算法等評(píng)價(jià)方法在對(duì)各評(píng)價(jià)指標(biāo)權(quán)重的確定上存在著明顯的主觀臆斷成分。為能客觀地對(duì)水資源承載能力進(jìn)行評(píng)價(jià)，本文引入了BP神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)可以通過網(wǎng)絡(luò)訓(xùn)練從數(shù)據(jù)中概括出必要的信息，并將其存儲(chǔ)于各神經(jīng)元中，構(gòu)成網(wǎng)絡(luò)知識(shí)，然后利用這些知識(shí)評(píng)價(jià)或預(yù)測(cè)相似因素的結(jié)果，具有很高的實(shí)用性。加之BP神經(jīng)網(wǎng)絡(luò)不需要像其它方法那樣人工確定權(quán)值，有效地避免了評(píng)價(jià)人員的主觀成分和人為因素［3］。本文依據(jù)《文山州水資源綜合規(guī)劃報(bào)告》基礎(chǔ)資料，參考相關(guān)水資源承載能力評(píng)價(jià)指標(biāo)和分級(jí)標(biāo)準(zhǔn)［4－5］，運(yùn)用人工神經(jīng)網(wǎng)絡(luò)模式識(shí)別理論和方法，建立BP神經(jīng)網(wǎng)絡(luò)水資源承載能力評(píng)價(jià)模型，設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本和評(píng)價(jià)輸出模式，對(duì)文山州及各縣級(jí)行政區(qū)域不同規(guī)劃水平年不同保證率情景下的水資源承載能力進(jìn)行評(píng)價(jià)分析，從而為區(qū)域水資源可持續(xù)開發(fā)利用提供參考依據(jù)。

2 基于BP神經(jīng)網(wǎng)絡(luò)的水資源承載能力評(píng)價(jià)模型的構(gòu)建

2.1 BP 網(wǎng)絡(luò)概述

1982年，Rumelhart，McClelland和他們的同事洞察到神經(jīng)網(wǎng)絡(luò)信息處理的重要性，成立了PDP(Parallel Distributed Processing)小組，研究并行分布信息的處理方法，探索人類認(rèn)知的微結(jié)構(gòu)。1985年發(fā)展了BP網(wǎng)絡(luò)(Back-Propagation Network，簡(jiǎn)稱BP網(wǎng)絡(luò))學(xué)習(xí)算法，實(shí)現(xiàn)了Minsy的多層網(wǎng)絡(luò)設(shè)想。BP網(wǎng)絡(luò)是一種單向傳播的多層前饋神經(jīng)網(wǎng)絡(luò)，其主要特點(diǎn)是信號(hào)前向傳播，誤差反向傳播。在前向傳播中，輸入信號(hào)從輸入層經(jīng)隱含層逐層處理，直至輸出層。每一層的神經(jīng)元狀態(tài)只影響下一層神經(jīng)元狀態(tài)，如果輸出層得不到期望輸出，則轉(zhuǎn)入反向傳播，根據(jù)預(yù)測(cè)誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，從而使BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出不斷逼近期望輸出。由非線性變換單元組成的BP神經(jīng)網(wǎng)絡(luò)，不僅結(jié)構(gòu)簡(jiǎn)單(僅含輸入、輸出和隱節(jié)點(diǎn)3層)，而且具有良好的非線性映射能力，BP網(wǎng)絡(luò)主要應(yīng)用于函數(shù)逼近、模式識(shí)別、分類和數(shù)據(jù)壓縮等領(lǐng)域［6－7］。

2.2 BP網(wǎng)絡(luò)模型結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖1所示。

圖1中，X1，X2，…，Xn是BP 神經(jīng)網(wǎng)絡(luò)的輸入值，Y1，Y2，…，Ym是BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值，ωij和ωjk為BP神經(jīng)網(wǎng)絡(luò)權(quán)值。從圖1可以看出，BP神經(jīng)網(wǎng)絡(luò)可以看作一個(gè)非線性函數(shù)，網(wǎng)絡(luò)輸入值和預(yù)測(cè)值分別為該函數(shù)的自變量和因變量。當(dāng)輸入節(jié)點(diǎn)數(shù)為n，輸出節(jié)點(diǎn)數(shù)為m時(shí)，BP神經(jīng)網(wǎng)絡(luò)就表達(dá)了從n個(gè)自變量到m個(gè)因變量的函數(shù)映射關(guān)系。BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)前首先要訓(xùn)練網(wǎng)絡(luò)，通過訓(xùn)練使網(wǎng)絡(luò)具有聯(lián)想記憶和預(yù)測(cè)能力，其標(biāo)準(zhǔn)算法具體實(shí)現(xiàn)步驟如下［8］。

(1)網(wǎng)絡(luò)初始化:根據(jù)系統(tǒng)輸入輸出序列(X，Y)確定網(wǎng)絡(luò)輸入層節(jié)點(diǎn)數(shù)n、隱含層節(jié)點(diǎn)數(shù)l，輸出層節(jié)點(diǎn)數(shù)m，初始化輸入層、隱含層和輸出層神經(jīng)元之間的連接權(quán)值為ωij，ωjk，初始化隱含層閾值a，輸出層閾值b，給定學(xué)習(xí)速率和神經(jīng)元激勵(lì)函數(shù)。

(2)隱含層輸出計(jì)算:根據(jù)輸入向量X，輸入層和隱含層間連接權(quán)值ωij以及隱含層閾值a，計(jì)算隱含層輸出H。

圖1 BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖Fig.1 Topological structure of BP neural network

式中:l為隱含層節(jié)點(diǎn)數(shù);f為隱含層激勵(lì)函數(shù)，該函數(shù)有多種表達(dá)形式，本文所選函數(shù)為

(3)輸出層輸出計(jì)算:根據(jù)隱含層輸出H，連接權(quán)值ωjk和閾值b，計(jì)算BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出O。

(4)誤差計(jì)算:根據(jù)網(wǎng)絡(luò)預(yù)測(cè)輸出O和期望輸出Y，計(jì)算網(wǎng)絡(luò)預(yù)測(cè)誤差e。

(5)權(quán)值更新:根據(jù)網(wǎng)絡(luò)預(yù)測(cè)誤差e更新網(wǎng)絡(luò)連接權(quán)值 ωij，ωjk。

式中:i=1，2，…，n;j=1，2，…，l;ω'ij為更新前的連接權(quán)值;η為學(xué)習(xí)速率。

(6)閾值更新:根據(jù)網(wǎng)絡(luò)預(yù)測(cè)誤差e更新網(wǎng)絡(luò)節(jié)點(diǎn)閾值 a，b。

(7)判斷算法迭代是否結(jié)束，若沒有結(jié)束，返回步驟(2)。

本文中，將水資源承載能力評(píng)價(jià)指標(biāo)作為樣本輸入，評(píng)價(jià)級(jí)別作為網(wǎng)絡(luò)輸出，BP網(wǎng)絡(luò)通過不斷學(xué)習(xí)，歸納出評(píng)價(jià)指標(biāo)與評(píng)價(jià)級(jí)別間復(fù)雜的內(nèi)在對(duì)應(yīng)關(guān)系，利用這樣的網(wǎng)絡(luò)模型即可進(jìn)行區(qū)域水資源承載能力綜合評(píng)價(jià)。

3 水資源承載能力評(píng)價(jià)指標(biāo)

3.1 評(píng)價(jià)指標(biāo)體系

表1 水資源承載能力評(píng)價(jià)指標(biāo)分級(jí)標(biāo)準(zhǔn)Table 1 Grades of the evaluation indexes of water resources carrying capacity

對(duì)水資源承載能力進(jìn)行綜合評(píng)價(jià)，首先必須確定一套評(píng)價(jià)指標(biāo)［9］。本文結(jié)合區(qū)域水資源開發(fā)利用現(xiàn)狀和特點(diǎn)，參照《水資源評(píng)價(jià)導(dǎo)則》和全國(guó)水資源開發(fā)利用分析中的指標(biāo)體系和評(píng)價(jià)標(biāo)準(zhǔn)，選取8個(gè)指標(biāo)作為評(píng)價(jià)因子［4－5，10］，依次是:①x1(灌溉率，%):灌溉面積與土地面積之比;②x2(水資源開發(fā)利用率，%):不同水平年不同保證率供水量與可利用的水資源量之比;③x3(供水量模數(shù)，m3/km2):不同水平年不同保證率供水量與土地面積之比;④x4(人均供水量，m3/人):不同水平年不同保證率供水量與總?cè)丝谥?⑤x5(生態(tài)環(huán)境用水率，%):生態(tài)環(huán)境用水量與水資源總量之比;⑥x6(人均水資源可利用量，m3/人):區(qū)域水資源可利用量與總?cè)丝谥?⑦x7(人均水資源量，m3/人):區(qū)域水資源總量與總?cè)丝谥?⑧x8(灌溉水利用系數(shù)，%):灌區(qū)實(shí)灌水量與渠首引水總量之比。水資源承載能力評(píng)價(jià)指標(biāo)及分級(jí)標(biāo)準(zhǔn)值見表1。

表1將水資源承載能力分為三級(jí)，Ⅰ級(jí)較差，表示水資源承載能力已接近其飽和值，進(jìn)一步開發(fā)潛力較小，區(qū)域經(jīng)濟(jì)社會(huì)發(fā)展下去將發(fā)生水資源短缺，應(yīng)采取相應(yīng)對(duì)策，否則將制約經(jīng)濟(jì)社會(huì)的發(fā)展;Ⅲ級(jí)較好，表示區(qū)域水資源仍有較大的承載能力，其供給情況較為樂觀;而Ⅱ級(jí)情況介于兩者之間，表示區(qū)域水資源開發(fā)利用已有相當(dāng)規(guī)模，但仍有一定的開發(fā)利用潛力，水資源的供給需求在一定程度上能滿足區(qū)域的經(jīng)濟(jì)社會(huì)發(fā)展［4］。

3.2 指標(biāo)一致性檢驗(yàn)和處理

由于灌溉率、水資源開發(fā)利用率、供水量模數(shù)指標(biāo)值均為其值越小則承載能力越強(qiáng);而人均供水量、生態(tài)用水率、人均水資源可利用量、人均水資源量和灌溉水利用系數(shù)的取值正好相反，即相應(yīng)的值越大則承載能力越強(qiáng)［2］。因此，對(duì)于整個(gè)評(píng)價(jià)指標(biāo)體系來說，應(yīng)對(duì)評(píng)價(jià)指標(biāo)作一致性處理。本文將灌溉率、水資源開發(fā)利用率、供水量模數(shù)3項(xiàng)指標(biāo)進(jìn)行處理，即對(duì)這2項(xiàng)指標(biāo)的原始值取倒數(shù)(為便于計(jì)算，取倒數(shù)后再同時(shí)乘以1 000)。處理后的指標(biāo)數(shù)據(jù)值見表2。

4 應(yīng)用實(shí)例——文山州水資源承載能力評(píng)價(jià)

4.1 區(qū)域概況

文山州位于云南省東南部，屬亞熱帶低緯度高原季風(fēng)氣候區(qū)，轄文山、硯山、西疇、麻栗坡、馬關(guān)、丘北、廣南、富寧8縣，降水量及水資源量相對(duì)豐沛，多年平均降水量1 178.5mm，但時(shí)空分布不均，多年汛期(5—10月)平均降水量約占全年的80%，其中降水量又主要集中在7—9月，約占年降水量的60%;而且降水量的年際變化懸殊，變差系數(shù)Cv在0.20～0.60之間，總趨勢(shì)是南、北小，中西部大。徑流的地區(qū)變化也不均勻，南部馬關(guān)、麻栗坡及富寧朗恒河流域徑流深高達(dá)800～1 000mm，北部丘北羊雄山達(dá)600～700mm，廣南九龍山地帶500mm，最小徑流區(qū)為地處盤龍河上游的硯山縣、文山縣和西疇縣，年徑流深僅150～200mm。2008年，全州水資源開發(fā)利用率僅為7.1%，人均水資源量為5 303 m3。隨著國(guó)家對(duì)中西部地區(qū)水利建設(shè)投入的持續(xù)加大，不同規(guī)劃期內(nèi)水利工程的大規(guī)模興建，以及節(jié)水型社會(huì)建設(shè)的不斷推進(jìn)等，文山州水資源利用條件將大為改觀，區(qū)域水資源承載能力將得到改善。但經(jīng)濟(jì)社會(huì)和人口的迅猛發(fā)展，將在不同程度上制約著區(qū)域水資源承載能力的提高。

4.2 網(wǎng)絡(luò)評(píng)價(jià)模型

該文采用三層BP神經(jīng)網(wǎng)絡(luò)對(duì)水資源承載能力進(jìn)行評(píng)價(jià)，網(wǎng)絡(luò)包括輸入層、隱含層和輸出層3部分。由于承載能力評(píng)價(jià)中輸入向量的維數(shù)也就是影響評(píng)價(jià)等級(jí)因素的個(gè)數(shù)，因此選取灌溉率、水資源開發(fā)利用率、供水量模數(shù)、人均供水量、生態(tài)環(huán)境用水率、人均水資源可利用量、人均水資源量、灌溉水利用系數(shù)8個(gè)指標(biāo)作為評(píng)價(jià)因素集，即輸入層神經(jīng)元個(gè)數(shù)為8個(gè);網(wǎng)絡(luò)輸出結(jié)果為Ⅰ級(jí)、Ⅱ級(jí)和Ⅲ級(jí)，分別對(duì)應(yīng)輸出模式(1 0 0)，(0 1 0)和(0 0 1)，即輸出層的神經(jīng)元數(shù)為3個(gè);在隱層結(jié)點(diǎn)數(shù)的選取上，目前并沒有統(tǒng)一的計(jì)算方法，若隱層結(jié)點(diǎn)數(shù)過少，則網(wǎng)絡(luò)收斂過慢達(dá)不到精度的要求，結(jié)點(diǎn)數(shù)過多，則增加了計(jì)算量，也會(huì)導(dǎo)致過擬合，降低網(wǎng)絡(luò)的泛化能力，因此需要通過實(shí)驗(yàn)來確定隱層的結(jié)點(diǎn)數(shù)，本文采用目前較為普遍的Kolmogorv定理確定隱含層單元數(shù)，即本文為17個(gè)隱含層神經(jīng)元。因此，網(wǎng)絡(luò)評(píng)價(jià)模型結(jié)構(gòu)為8－17－3，如圖2所示。

圖2 水資源承載能力評(píng)價(jià)BP網(wǎng)絡(luò)模型示意圖Fig.2 Structure of the BP neural network model for evaluating water resources carrying capacity

4.3 網(wǎng)絡(luò)訓(xùn)練樣本設(shè)計(jì)

如何參照表2構(gòu)建合理的訓(xùn)練樣本是水資源承載能力評(píng)價(jià)的關(guān)鍵［4］。表2中，灌溉率、水資源開發(fā)利用率和灌溉水利用系數(shù)上下限均為1和0;而供水量模數(shù)、人均供水量、生態(tài)環(huán)境用水率、人均水資源可利用量和人均水資源量沒有上限值。該文參照《文山州水資源綜合規(guī)劃報(bào)告》不同規(guī)劃水平年的供水量模數(shù)、人均供水量、生態(tài)環(huán)境用水率、人均水資源可利用量和人均水資源量的規(guī)劃成果，結(jié)合區(qū)域?qū)嶋H，以水資源承載能力評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)不失一般性為原則，確定供水量模數(shù)、人均供水量、人均水資源可利用量和人均水資源量的上限值依次為30(m3/km2)、1 000(m3/人)、4 000(m3/人)和10000(m3/人);考慮到生態(tài)環(huán)境用水量難于估量，規(guī)定以生態(tài)環(huán)境用水量占水資源總量的10%作為生態(tài)環(huán)境用水量的上限。因此，構(gòu)造符合區(qū)域?qū)嶋H的水資源承載能力評(píng)價(jià)指標(biāo)分級(jí)標(biāo)準(zhǔn)［11］見表3。

表2 評(píng)價(jià)指標(biāo)值一致性處理結(jié)果Table 2 Results of the consistency of evaluation values

表3 符合區(qū)域?qū)嶋H的水資源承載能力評(píng)價(jià)指標(biāo)分級(jí)標(biāo)準(zhǔn)Table 3 Grades of the evaluation indexes of water resources carrying capacity in line with the reality in the regions

實(shí)踐表明，網(wǎng)絡(luò)訓(xùn)練所需樣本數(shù)取決于輸入輸出非線性映射關(guān)系的復(fù)雜程度，映射關(guān)系越復(fù)雜，樣本中含的噪聲越大，為保證一定的映射精度所需的樣本數(shù)就越多，而且網(wǎng)絡(luò)的規(guī)模也越大，但當(dāng)樣本多到一定程度時(shí)，網(wǎng)絡(luò)的精度也很難再提高，一般訓(xùn)練樣本數(shù)取網(wǎng)絡(luò)連接權(quán)總數(shù)的5～10倍。本文按照表3評(píng)價(jià)指標(biāo)分級(jí)標(biāo)準(zhǔn)，將每一等級(jí)評(píng)價(jià)指標(biāo)值利用線性插值的方法按等比例劃分為20個(gè)訓(xùn)練樣本，即1—20號(hào)樣本為Ⅰ級(jí);21—40號(hào)樣本為Ⅱ級(jí);41—60號(hào)樣本為Ⅲ級(jí)。將這60個(gè)樣本作為學(xué)習(xí)樣本，區(qū)域不同規(guī)劃水平年不同保證率資料［11］作為檢驗(yàn)樣本，即為待評(píng)價(jià)樣本。水資源承載能力評(píng)價(jià)包括3個(gè)等級(jí)，用表4中的輸出模式來表示網(wǎng)絡(luò)模型的輸出。

表4 水資源承載能力評(píng)價(jià)學(xué)習(xí)樣本及輸出模式Table 4 Learning samples and output modes of water resources carrying capacity evaluation

4.4 數(shù)據(jù)處理

網(wǎng)絡(luò)的各個(gè)輸入數(shù)據(jù)常常具有不同的物理意義和不同的量綱及數(shù)量級(jí)，在網(wǎng)絡(luò)訓(xùn)練前要先對(duì)原始數(shù)據(jù)進(jìn)行歸一化處理。數(shù)據(jù)歸一化方法很多，本文采用最大最小法，公式如下:

4.5 BP 網(wǎng)絡(luò)訓(xùn)練

利用Matlab2010a神經(jīng)網(wǎng)絡(luò)工具箱中的newff()函數(shù)編寫算法程序，運(yùn)用圖2的評(píng)價(jià)模型對(duì)60個(gè)訓(xùn)練樣本進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練，在達(dá)到訓(xùn)練精度要求后對(duì)文山州及各縣級(jí)行政區(qū)域不同規(guī)劃水平年不同保證率情景下的水資源承載能力進(jìn)行評(píng)價(jià)。經(jīng)過反復(fù)測(cè)試，訓(xùn)練次數(shù)為5 000次，訓(xùn)練目標(biāo)為0.000 001，學(xué)習(xí)速率為0.05，中間層的傳遞函數(shù)為S型正切函數(shù)，網(wǎng)絡(luò)所用訓(xùn)練函數(shù)為trainlm(即LMBP算法，該優(yōu)化算法比傳統(tǒng)的BP及其他改進(jìn)算法，如共軛梯度法、附加動(dòng)量法、自適應(yīng)調(diào)整法等的迭代次數(shù)少，收斂速度快，精確度高等優(yōu)點(diǎn))，其余參數(shù)取默認(rèn)值。當(dāng)訓(xùn)練滿足預(yù)先設(shè)定的誤差要求時(shí)，網(wǎng)絡(luò)訓(xùn)練收斂。訓(xùn)練結(jié)果見表5。

從表5訓(xùn)練結(jié)果可以看出，網(wǎng)絡(luò)輸出的數(shù)據(jù)誤差絕對(duì)值介于0～0.4.9%之間，說明訓(xùn)練精度較高，能夠滿足要求，可以運(yùn)用該網(wǎng)絡(luò)進(jìn)行區(qū)域水資源承載能力評(píng)價(jià)。

4.6 結(jié)果與分析

運(yùn)用上述訓(xùn)練好的網(wǎng)絡(luò)模型對(duì)文山州及各縣級(jí)行政區(qū)域不同規(guī)劃水平年不同保證率情景下的水資源承載能力進(jìn)行綜合評(píng)價(jià)，評(píng)價(jià)結(jié)果見表6。

分析表6可以得出以下結(jié)論:

(1)文山州及各縣級(jí)行政區(qū)域的水資源承載能力在不同水平年不同保證率情景下均未達(dá)到Ⅰ級(jí)，說明各評(píng)價(jià)區(qū)域水資源承載能力未達(dá)到其飽和值，水資源仍有一定的開發(fā)利用潛力。

(2)從整個(gè)評(píng)價(jià)區(qū)域來看，不同水平年不同保證率情景下，各評(píng)價(jià)區(qū)域水資源承載能力大小順序不同，表明在不同時(shí)期不同區(qū)域，由于水利工程的興建、節(jié)水措施和產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整等，評(píng)價(jià)指標(biāo)改善程度不同，導(dǎo)致各評(píng)價(jià)區(qū)域水資源承載能力大小的改變，即順序不同。

表5 學(xué)習(xí)樣本訓(xùn)練結(jié)果Table 5 Training results of learning samples

表6 各評(píng)價(jià)區(qū)域不同水平年不同保證率水資源承載能力綜合評(píng)價(jià)結(jié)果Table 6 Comprehensive evaluation results of water resources carrying capacity of different regions in different target years and with different reliabilities

(3)在現(xiàn)狀水平年的不同保證率情景下，除硯山縣水資源承載能力呈Ⅱ級(jí)外，其余各評(píng)價(jià)區(qū)域水資源承載能力均呈Ⅲ級(jí)，說明此類區(qū)域水資源仍有較大的承載能力;在近期不同保證率情景下，除富寧縣、馬關(guān)縣和麻栗坡縣水資源承載能力均呈Ⅲ級(jí)外，其余各區(qū)域水資源承載能力均呈Ⅱ級(jí);在遠(yuǎn)期不同保證率情景下，除富寧縣水資源承載能力均呈Ⅲ級(jí)外，其余各區(qū)域水資源承載能力均呈Ⅱ級(jí)，表明各區(qū)域水資源承載能力隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展呈下降趨勢(shì)。

(4)相對(duì)而言，各評(píng)價(jià)區(qū)域在不同水平年不同保證率情景下，除富寧縣水資源承載能力始終呈Ⅲ級(jí)外，其余各縣水資源承載能力均有不同程度的變化，雖未達(dá)到Ⅰ級(jí)標(biāo)準(zhǔn)，但隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展，水資源的開發(fā)利用已具有一定的規(guī)模，進(jìn)一步開發(fā)潛力逐漸減小;整體而言，富寧縣、馬關(guān)縣和麻栗坡縣水資源承載能力相對(duì)較大，且在同一保證率情景下，文山州各評(píng)價(jià)區(qū)域水資源承載能力隨著現(xiàn)狀～遠(yuǎn)期整體呈減小趨勢(shì)。

(5)表6的評(píng)價(jià)結(jié)果客觀真實(shí)地反映了不同水平年不同保證率情景下各評(píng)價(jià)區(qū)域水資源承載能力的大小，與區(qū)域?qū)嶋H情況相符，可以作為區(qū)域水資源開發(fā)利用的決策依據(jù)。

(6)從BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型而言，該方法不僅網(wǎng)絡(luò)穩(wěn)定，評(píng)價(jià)結(jié)果直觀明了，而且不需建立數(shù)學(xué)模型，它只需將處理的數(shù)據(jù)輸入訓(xùn)練好的網(wǎng)絡(luò)中，通過相應(yīng)的數(shù)學(xué)工具即可得出結(jié)果，評(píng)價(jià)過程方便、快捷。

5 結(jié)論

由于影響水資源承載能力評(píng)價(jià)的因素眾多，且極其復(fù)雜，致使如何客觀評(píng)價(jià)區(qū)域水資源承載能力一直是人們探討研究的問題［12］。本文基于現(xiàn)有水資源承載能力評(píng)價(jià)指標(biāo)體系，結(jié)合區(qū)域水資源情勢(shì)及社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r，提出符合區(qū)域?qū)嶋H的水資源承載能力綜合評(píng)價(jià)指標(biāo)，利用人工神經(jīng)網(wǎng)絡(luò)模式識(shí)別理論和方法，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)水資源承載能力評(píng)價(jià)模型，并采用線性插值方法得到訓(xùn)練樣本，將模型應(yīng)用于文山州區(qū)域水資源承載能力綜合評(píng)價(jià)中。評(píng)價(jià)結(jié)果可信度高，說明本文提出的評(píng)價(jià)方法是合理可行的。

［1］夏 軍，張永勇，王中根，等.城市化地區(qū)水資源承載力研究［J］.水利學(xué)報(bào)，2006，37(12):1482－1488.(XIA Jun，ZHANG Yong-yong，WANG Zhong-gen，et al.Water Carrying Capacity of Urbanized Area［J］.Journal of Hydraulic Engineering，2006，37(12):1482－1488.(in Chinese))

［2］陳守煜，胡吉敏.可變模糊評(píng)價(jià)法及在水資源承載能力評(píng)價(jià)中的應(yīng)用［J］.水利學(xué)報(bào)，2006，35(3):264－271.(CHEN Shou-yu，HU Ji-min.Variable Fuzzy Assessment Method and Its Application in Assessing Water Resources Carrying Capacity［J］.Journal of Hydraulic Engineering，2006，35(3):264－271.(in Chinese))

［3］許 莉，趙嵩正，楊海光.水資源承載力的BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型研究［J］.計(jì)算機(jī)工程與應(yīng)用，2008，44(8):217－219.(XU Li，ZHAO Song-zheng，YANG Hai-guang.Research on BP Neural Network Model of Performance Appraisal for Water Resources Carrying Capacity［J］.Computer Engineering and Applications，2008，44(8):217－219.(in Chinese))

［4］王順久，張欣莉，倪長(zhǎng)鍵，等.水資源優(yōu)化配置原理及方法［M］.北京:中國(guó)水利水電出版社，2007.(WANG Shun-jiu，ZHANG Xin-li，NI Chang-jian，et al.Principles and Methods of Optimal Allocation of Water Resources［M］.Beijing:China Water Power Press，2007.(in Chinese))

［5］杜守建，崔振才.區(qū)域水資源優(yōu)化配置與利用［M］.鄭州:黃河水利出版社，2009.(DU Shou-jian，CUI Zhencai.Optimal Allocation and Utilization of Regional Water Resources［M］.Zhengzhou:Yellow River Conservancy Publishing House，2009.(in Chinese))

［6］張德豐.MATLAB神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計(jì)［M］.北京:機(jī)械工業(yè)出版社，2009.(ZHANG De-feng.MATLAB Neural Network Design［M］.Beijing:Mechanical Industry Press，2009.(in Chinese))

［7］張良均，曹 晶，蔣世忠.神經(jīng)網(wǎng)絡(luò)實(shí)用教程［M］.北京:機(jī)械工業(yè)出版社，2008.(ZHANG Liang-jun，CAO Jing，JIANG Shi-zhong.Practical Guide to Neural Networks［M］.Beijing:Mechanical Industry Press，2008.(in Chinese))

［8］MATLAB中文論壇.MATLAB神經(jīng)網(wǎng)絡(luò)30個(gè)案例分析［M］.北京:北京航空航天大學(xué)出版社，2010.(MATLAB Chinese Forum.30 Case Analysis of MATLAB Neural Network［M］.Beijing:Beihang University Press，2010.(in Chinese))

［9］陳洋波，陳俊合，李長(zhǎng)興，等.基于DPSIR模型的深圳市水資源承載能力評(píng)價(jià)指標(biāo)體系［J］.水利學(xué)報(bào)，2004，35(7):1－7.(CHEN Yang-bo，CHEN Jun-he，LI Chang-xing，et al.Indicators for Water Resources Carrying Capacity Assessment Based on Driving Forces-Pressure-State-Impact-Response Model［J］.Journal of Hydraulic Engineering，2004，35(7):1－7.(in Chinese))

［10］SL/T238—1999，水資源評(píng)價(jià)導(dǎo)則［S］.(SL/T238—1999，Guidelines for Water Resources Assessment［S］.(in Chinese))

［11］文山州水利電力勘測(cè)設(shè)計(jì)院.文山壯族苗族自治州水資源綜合規(guī)劃報(bào)告［R］.文山:文山州水利電力勘測(cè)設(shè)計(jì)院，2009.(Wenshan Water Resources and Electric Power Survey Design Institute.Report on Comprehensive Planning of Water Resources in Wenshan Autonomous Prefecture［R］.Wenshan Water Resources and Electric Power Survey Design Institute，2009.(in Chinese))

［12］張 麗.水資源承載能力與生態(tài)需水量理論及應(yīng)用［M］.鄭州:黃河水利出版社，2005.(ZHANG Li.Theory and Application of Water Carrying Capacity and Ecological Water Demand［M］.Zhengzhou:Yellow River Conservancy Publishing House，2005.(in Chinese))