河口型水源地供水安全風(fēng)險(xiǎn)分類評(píng)估方法比選研究

陳 緣，孔令婷，劉曙光，徐貴泉

(1. 同濟(jì)大學(xué) 水利工程系，上海 200092; 2. 上海市水務(wù)規(guī)劃設(shè)計(jì)研究院，上海 200233)

我國(guó)供水安全主要面臨供水緊缺、水質(zhì)污染、飲用水安全應(yīng)急能力不足等問題。河口型水源地對(duì)當(dāng)?shù)氐墓┧踩Ｕ暇哂信e足輕重的作用，但其易受咸潮入侵、上游來(lái)水水質(zhì)惡化、突發(fā)水污染事件、水源地內(nèi)部富營(yíng)養(yǎng)等影響，存在供水安全風(fēng)險(xiǎn)，有必要進(jìn)行供水安全風(fēng)險(xiǎn)調(diào)查、識(shí)別和評(píng)估，以提高防范和化解風(fēng)險(xiǎn)能力。

我國(guó)對(duì)供水安全的研究興起于2000年以后，但對(duì)飲用水水源地供水安全評(píng)價(jià)和風(fēng)險(xiǎn)評(píng)估研究還處于起步階段，洪月菊等[1]通過(guò)水源地現(xiàn)狀水質(zhì)監(jiān)測(cè)數(shù)據(jù)分析，得出武漢水源地面臨的主要問題是總磷和糞大腸菌群指標(biāo)。顧清[2]對(duì)浙江省30座大中型飲用水水庫(kù)2001年至2013年的水質(zhì)和營(yíng)養(yǎng)狀態(tài)進(jìn)行分析，選用常規(guī)的統(tǒng)計(jì)回歸模型和RBF人工神經(jīng)網(wǎng)絡(luò)模型兩種方法對(duì)水體中的葉綠素a、透明度、總氮、總磷含量進(jìn)行模擬和預(yù)測(cè)，為及時(shí)掌握飲用水水庫(kù)的水質(zhì)演變趨勢(shì)和風(fēng)險(xiǎn)情況提供理論支持。王晉[3]采用的主觀賦權(quán)法(層次分析法)和客觀賦權(quán)法(熵值法)相結(jié)合的方法，對(duì)即墨市各個(gè)城鎮(zhèn)飲用水水源地進(jìn)行水安全和健康風(fēng)險(xiǎn)評(píng)價(jià)。我國(guó)相關(guān)評(píng)價(jià)工作主要為單純的取水口水質(zhì)、水量狀況的基本評(píng)價(jià)，評(píng)價(jià)方法多為傳統(tǒng)的層次分析法或僅進(jìn)行單因子敏感性分析，單因子評(píng)價(jià)往往會(huì)忽略其他因子的影響，無(wú)法綜合全面地分析。

為此，在建立水源地供水安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系基礎(chǔ)上，以某一水源地為例，在專家打分的基礎(chǔ)上，結(jié)合層次分析法確定的風(fēng)險(xiǎn)因子權(quán)重，經(jīng)數(shù)據(jù)前處理后，應(yīng)用灰色關(guān)聯(lián)度法和BP神經(jīng)網(wǎng)絡(luò)兩種方法進(jìn)行分類風(fēng)險(xiǎn)評(píng)估比較，分析方法的適用性，為相關(guān)風(fēng)險(xiǎn)評(píng)價(jià)方法的選擇提供引導(dǎo)和參考。

1 方法選擇

水源地供水安全風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系較為復(fù)雜，具有系統(tǒng)性、整體性和層次性特點(diǎn)，一般以定量表達(dá)的指標(biāo)為主，兼顧部分定性描述的指標(biāo)，評(píng)估準(zhǔn)確性要求較高；且評(píng)價(jià)指標(biāo)樣本數(shù)量往往不多，需要選擇一種能將定性指標(biāo)準(zhǔn)確量化，且對(duì)指標(biāo)樣本數(shù)量要求不高的評(píng)價(jià)方法。

常用的評(píng)價(jià)方法有層次分析法、數(shù)據(jù)包絡(luò)分析法、主成分分析法、模糊綜合評(píng)判法、TOPSIS評(píng)價(jià)法、人工神經(jīng)網(wǎng)絡(luò)綜合評(píng)價(jià)法、灰色關(guān)聯(lián)度法等。各種評(píng)價(jià)方法的出發(fā)點(diǎn)不同，解決問題的思路不同，各有其優(yōu)缺點(diǎn)，應(yīng)根據(jù)具體評(píng)價(jià)問題選擇最適用的評(píng)價(jià)方法。

數(shù)據(jù)包絡(luò)分析法[4]適用于多輸出—多輸入的有效性綜合評(píng)價(jià)問題；主成分分析法[5]是用少數(shù)幾個(gè)綜合指標(biāo)代替原有較多指標(biāo)進(jìn)行分析，簡(jiǎn)化了原來(lái)的指標(biāo)結(jié)構(gòu)，評(píng)價(jià)指標(biāo)越多，降維處理時(shí)遺失的有用信息就越多，誤判的可能性就越大；模糊綜合評(píng)判法[6]能較好地解決模糊的、難以量化的問題，適合各種非確定性問題的評(píng)判。因此，以上方法都不適用于本次風(fēng)險(xiǎn)評(píng)估。

TOPSIS評(píng)價(jià)法[7]、人工神經(jīng)網(wǎng)絡(luò)法[8-9]、灰色關(guān)聯(lián)度分析法[10]基本思路都是評(píng)價(jià)對(duì)象與最優(yōu)方案的相對(duì)接近程度。TOPSIS評(píng)價(jià)法和灰色關(guān)聯(lián)度法無(wú)需大量樣本，但灰色關(guān)聯(lián)度分析法能將定性分析與定量分析相結(jié)合，能較好地解決評(píng)價(jià)指標(biāo)難以準(zhǔn)確量化和統(tǒng)計(jì)的問題，而TOPSIS評(píng)價(jià)法還會(huì)受最劣方案的影響，受樣本本身影響較大。人工神經(jīng)網(wǎng)絡(luò)法雖然需要大量的樣本，但是它能處理非線性的較大型復(fù)雜系統(tǒng)，具有一定的研究意義，在各領(lǐng)域應(yīng)用前景較好。因此，采用灰色關(guān)聯(lián)度法及BP神經(jīng)網(wǎng)絡(luò)兩種方法進(jìn)行水源地分類風(fēng)險(xiǎn)安全評(píng)估對(duì)比，以選擇更適用于水源地的風(fēng)險(xiǎn)評(píng)估。

2 灰色關(guān)聯(lián)度法及BP神經(jīng)網(wǎng)絡(luò)基本計(jì)算方法

2.1 灰色關(guān)聯(lián)度法

2.1.1 計(jì)算灰色關(guān)聯(lián)系數(shù)

分別計(jì)算n個(gè)評(píng)價(jià)對(duì)象第j個(gè)指標(biāo)值與其“最優(yōu)”指標(biāo)值的差值的絕對(duì)值，則第i個(gè)評(píng)價(jià)對(duì)象第j個(gè)指標(biāo)與其“最優(yōu)”值的灰色關(guān)聯(lián)度為：

(1)

式中：Yji為第j個(gè)指標(biāo)值與其“最優(yōu)”指標(biāo)值的差值的絕對(duì)值。

2.1.2 計(jì)算判斷矩陣

在計(jì)算得到評(píng)價(jià)對(duì)象指標(biāo)值與其“最優(yōu)”值的灰色關(guān)聯(lián)度后，根據(jù)相對(duì)應(yīng)的指標(biāo)權(quán)重，可得到評(píng)判矩陣如下：

Ai=Wj×Rji

(2)

式中：Rji為第i個(gè)評(píng)價(jià)對(duì)象第j個(gè)指標(biāo)值與其“最優(yōu)”值的灰色關(guān)聯(lián)度矩陣；Wj為指標(biāo)的權(quán)重向量。

2.1.3 綜合評(píng)價(jià)

綜合評(píng)價(jià)是指由低層向高層逐層遞進(jìn)上升的一種分步計(jì)算評(píng)價(jià)。綜合評(píng)價(jià)是在單層評(píng)判基礎(chǔ)上進(jìn)行的，依據(jù)下一層的指標(biāo)權(quán)重計(jì)算值，乘以下一層的相應(yīng)評(píng)價(jià)結(jié)果矩陣，即可得到本層的綜合評(píng)價(jià)結(jié)果。

2.2 BP神經(jīng)網(wǎng)絡(luò)

1989年Robert Hecht-Nielson證明了一個(gè)三層的BP網(wǎng)絡(luò)可以完成任意n維到m維的映射。因此本次研究建立三層的神經(jīng)網(wǎng)絡(luò)進(jìn)行計(jì)算[11]。

2.2.1 計(jì)算各層節(jié)點(diǎn)

單個(gè)節(jié)點(diǎn)輸出:

(3)

同理，三層神經(jīng)網(wǎng)絡(luò)的輸出：

(4)

式中：m，n為節(jié)點(diǎn)數(shù)；wi,j為連接輸入層節(jié)點(diǎn)i到隱藏層節(jié)點(diǎn)j的鏈接權(quán)重；xi為在節(jié)點(diǎn)i處的輸入。

2.2.2 計(jì)算各層節(jié)點(diǎn)誤差

ek=tk-ok

(5)

式中：tk為目標(biāo)值；ok為實(shí)際值。

2.2.3 反向傳播修正權(quán)重

(6)

式中：α為學(xué)習(xí)率；ojT為前一層輸出的轉(zhuǎn)置。

3 兩種方法風(fēng)險(xiǎn)評(píng)估

3.1 確定指標(biāo)權(quán)重

由于水源地指標(biāo)數(shù)較多，評(píng)價(jià)結(jié)果會(huì)受到大量重要程度較小的因子的影響，結(jié)果往往會(huì)與實(shí)際情況相駁，因此科學(xué)地確定指標(biāo)權(quán)重在評(píng)價(jià)過(guò)程中十分重要。本次兩種計(jì)算方法都將結(jié)合指標(biāo)權(quán)重進(jìn)行評(píng)估。層次分析法是目前較為常用的主觀賦權(quán)法，其所需的數(shù)據(jù)較少，在權(quán)重計(jì)算過(guò)程中具有一定優(yōu)勢(shì)。本次研究根據(jù)已建立的水源地供水安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，通過(guò)不同層級(jí)指標(biāo)因子兩兩對(duì)比評(píng)判其重要性構(gòu)建相應(yīng)判斷矩陣，求出判斷矩陣的最大特征根及其對(duì)應(yīng)的特征向量，特征向量的各個(gè)分量就是該層級(jí)各個(gè)指標(biāo)的權(quán)重。其結(jié)果如表1所示。

表1 水源地供水安全風(fēng)險(xiǎn)評(píng)估指標(biāo)及其權(quán)重計(jì)算結(jié)果匯總表

3.2 數(shù)據(jù)前處理

數(shù)據(jù)前處理包括定性指標(biāo)定量化處理、指標(biāo)數(shù)值一致化處理、指標(biāo)數(shù)值無(wú)量綱化處理。

3.2.1 指標(biāo)定量化處理

首先確立風(fēng)險(xiǎn)評(píng)估指標(biāo)的分級(jí)標(biāo)準(zhǔn)，將每項(xiàng)指標(biāo)按照風(fēng)險(xiǎn)從低到高劃分為低、較低、中等、較高、高5個(gè)等級(jí)，其中風(fēng)險(xiǎn)等級(jí)為低的一般為即將可能發(fā)生影響的情況，風(fēng)險(xiǎn)等級(jí)為較低、中等、較高、高四個(gè)等級(jí)的一般為發(fā)生不同級(jí)別預(yù)警(按相應(yīng)預(yù)警等級(jí)劃分)或發(fā)生不同影響程度的情況,以此來(lái)確立評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)。

各指標(biāo)分級(jí)標(biāo)準(zhǔn)確定后，應(yīng)確定各指標(biāo)閾值，并確定各指標(biāo)賦予各等級(jí)的分級(jí)標(biāo)準(zhǔn)值，一共6個(gè)標(biāo)準(zhǔn)值。根據(jù)各指標(biāo)分級(jí)標(biāo)準(zhǔn)的劃分，其中咸潮入侵影響程度、上游來(lái)水流量預(yù)警程度、突發(fā)水污染泄漏程度等三個(gè)指標(biāo)的5個(gè)等級(jí)分級(jí)標(biāo)準(zhǔn)下限值按照預(yù)警等級(jí)取值，閾值為最理想狀態(tài)，代表無(wú)風(fēng)險(xiǎn)；有效庫(kù)容達(dá)標(biāo)率、水源地堤防達(dá)標(biāo)率、水源地取水設(shè)施健康度、預(yù)報(bào)預(yù)警精度、應(yīng)急預(yù)案完備程度、備用水源應(yīng)急能力、應(yīng)急處置執(zhí)行程度等七個(gè)指標(biāo)的5個(gè)等級(jí)分級(jí)標(biāo)準(zhǔn)下限值一般按百分比取值，閾值一般取最理想值100；水庫(kù)綜合營(yíng)養(yǎng)狀態(tài)指數(shù)、取水口水質(zhì)超標(biāo)程度、河勢(shì)變化影響程度三個(gè)指標(biāo)按實(shí)際等級(jí)劃分取值，其中，水庫(kù)綜合營(yíng)養(yǎng)狀態(tài)指數(shù)、取水口水質(zhì)超標(biāo)程度分級(jí)取上限值，河勢(shì)變化影響程度分級(jí)取下限值，閾值為最理想狀態(tài)，代表無(wú)風(fēng)險(xiǎn)。具體如表2所示。

表2 水源地供水安全風(fēng)險(xiǎn)評(píng)估指標(biāo)分級(jí)標(biāo)準(zhǔn)匯總Tab. 2 Grading standards of risk assessment indicators for safety supply from water source

以某一咸潮入侵事件為例，此次咸潮入侵事件期間取水口氯化物濃度超標(biāo)4倍，取水口最長(zhǎng)不宜取水時(shí)間長(zhǎng)達(dá)近一天，當(dāng)時(shí)咸潮預(yù)警達(dá)到Ⅰ級(jí)，大通流量也達(dá)到Ⅰ級(jí)預(yù)警。經(jīng)對(duì)某水源地風(fēng)險(xiǎn)評(píng)估指標(biāo)現(xiàn)狀水平值進(jìn)行專家打分，結(jié)果如表3所示。

表3 某水源地風(fēng)險(xiǎn)評(píng)估指標(biāo)現(xiàn)狀水平值Tab. 3 Current level of risk assessment indicators for a water source

3.2.2 指標(biāo)一致性和無(wú)量綱化處理

常用的指標(biāo)一致性處理方法有：倒數(shù)逆變換法、倒扣逆變換法。前一種方法不能真實(shí)反映原指標(biāo)的分布情況，而線性變換的倒扣逆變換法不會(huì)改變?cè)笜?biāo)的變化規(guī)律，能更好地反應(yīng)原指標(biāo)的分布情況，因而本次研究選擇倒扣逆變換法進(jìn)行指標(biāo)一致性處理。

常用的指標(biāo)無(wú)量綱化處理有：極值法、標(biāo)準(zhǔn)化法和均值化法三種方法。極值法：某個(gè)評(píng)價(jià)指標(biāo)的最大值與最小值會(huì)對(duì)該指標(biāo)的權(quán)重產(chǎn)生很大影響。標(biāo)準(zhǔn)化法：經(jīng)標(biāo)準(zhǔn)化后，指標(biāo)的均值均為0，方差均為1，經(jīng)標(biāo)準(zhǔn)化后的數(shù)據(jù)不能準(zhǔn)確反映原始數(shù)據(jù)的分布情況，導(dǎo)致綜合評(píng)價(jià)的結(jié)果不準(zhǔn)確。均值化法：均值化后，指標(biāo)的均值均為1，且保留了原始數(shù)據(jù)離散程度大小的信息[12]。因此，均值法對(duì)本次研究評(píng)價(jià)對(duì)象的評(píng)價(jià)指標(biāo)值進(jìn)行無(wú)量綱化處理更為合理。對(duì)評(píng)價(jià)指標(biāo)分級(jí)標(biāo)準(zhǔn)值一致化和無(wú)量綱化處理，結(jié)果見表4，并對(duì)某水源地指標(biāo)值一致性和無(wú)量綱化處理，結(jié)果見表5。

表4 評(píng)價(jià)指標(biāo)分級(jí)標(biāo)準(zhǔn)值經(jīng)一致化和無(wú)量綱化后的計(jì)算結(jié)果表Tab. 4 Calculation results of the evaluation index grading standard values after uniformization and dimensionlessness

表5 某水源地指標(biāo)值經(jīng)一致化和無(wú)量綱化后的計(jì)算結(jié)果Tab. 5 Calculation results of the index value for a water source after uniformity and dimensionlessness

3.3 基于層次灰色關(guān)聯(lián)度耦合模型風(fēng)險(xiǎn)評(píng)估

3.3.1 單項(xiàng)評(píng)價(jià)

計(jì)算評(píng)價(jià)指標(biāo)分級(jí)標(biāo)準(zhǔn)前處理值(見表4)與相應(yīng)分項(xiàng)指標(biāo)理想閾值的灰色關(guān)聯(lián)系數(shù)，計(jì)算結(jié)果作為單項(xiàng)評(píng)價(jià)的分級(jí)標(biāo)準(zhǔn)，見表6。計(jì)算所得的關(guān)聯(lián)系數(shù)越大，即與理想閾值的關(guān)聯(lián)程度越大，代表風(fēng)險(xiǎn)越低。再以同樣的方法計(jì)算某水源地指標(biāo)前處理值(見表5)與相應(yīng)分項(xiàng)指標(biāo)理想閾值的灰色關(guān)聯(lián)系數(shù)，見表7。

表6 評(píng)價(jià)指標(biāo)分級(jí)標(biāo)準(zhǔn)值與相應(yīng)閾值的灰色關(guān)聯(lián)度計(jì)算結(jié)果Tab. 6 Calculation table of grey correlation between the indicator values on each level and the corresponding threshold

表7 某水源地指標(biāo)值與相應(yīng)閾值的灰色關(guān)聯(lián)度計(jì)算結(jié)果Tab. 7 Calculation table of grey correlation between the index value of a water source and the corresponding threshold

3.3.2 分類評(píng)價(jià)

根據(jù)單項(xiàng)評(píng)價(jià)的灰色關(guān)聯(lián)度值(見表6、7)以及指標(biāo)權(quán)重(見表1)，可得到分類指標(biāo)評(píng)價(jià)向量：A=W×R，其中W為分類指標(biāo)權(quán)重，R為分類指標(biāo)的灰色關(guān)聯(lián)度矩陣。分類評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)見表8，以同樣的方法計(jì)算出某水源地分類評(píng)價(jià)結(jié)果，分別為：水量風(fēng)險(xiǎn)0.350 1、水質(zhì)風(fēng)險(xiǎn)0.829 0、工程風(fēng)險(xiǎn)0.548 4、應(yīng)急風(fēng)險(xiǎn)0.521 1；風(fēng)險(xiǎn)等級(jí)由高到低依次排序：水量風(fēng)險(xiǎn)(較高)→應(yīng)急風(fēng)險(xiǎn)(較低)→工程風(fēng)險(xiǎn)(較低)→水質(zhì)風(fēng)險(xiǎn)(低)。

表8 水源地供水安全風(fēng)險(xiǎn)分類評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)Tab. 8 Classification evaluation of water supply security risks in the water source

3.3.3 綜合評(píng)價(jià)

根據(jù)分類指標(biāo)評(píng)判矩陣(見表8)和分類指標(biāo)權(quán)重(見表1)，可得到綜合指標(biāo)評(píng)價(jià)向量A=W×R，其中W為分類指標(biāo)權(quán)重，R為分類指標(biāo)評(píng)判矩陣。綜合評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)見表9，最后以同樣的方法計(jì)算出某水源地綜合評(píng)價(jià)結(jié)果為：0.523 9(較低)。

表9 水源地供水安全風(fēng)險(xiǎn)綜合評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)Tab. 9 Grading standards of comprehensive evaluation for the safety water supply from water source

3.4 基于層次神經(jīng)網(wǎng)絡(luò)耦合模型風(fēng)險(xiǎn)評(píng)估

首先，結(jié)合層次分析法確定的權(quán)重(見表1)，把數(shù)據(jù)前處理的分級(jí)標(biāo)準(zhǔn)值(見表4)和某水源地的現(xiàn)狀風(fēng)險(xiǎn)指標(biāo)值(見表5)與相應(yīng)的指標(biāo)權(quán)重相乘，以此作為訓(xùn)練樣本，賦予“低”、“較低”、“中等”、“較高”對(duì)應(yīng)的0.2、0.4、0.6、0.8四個(gè)訓(xùn)練期望輸出值(等級(jí)“高”指標(biāo)上限值為1，不影響評(píng)價(jià)結(jié)果，故不放入樣本訓(xùn)練)，建立三層BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。最后，以某水源地的現(xiàn)狀風(fēng)險(xiǎn)指標(biāo)與相應(yīng)指標(biāo)權(quán)重相乘的處理值作為需要預(yù)測(cè)的數(shù)據(jù)輸入，進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)。

在水量風(fēng)險(xiǎn)評(píng)價(jià)過(guò)程中，以咸潮入侵影響程度、有效庫(kù)容達(dá)標(biāo)率、上游來(lái)水流量預(yù)警程度三個(gè)風(fēng)險(xiǎn)指標(biāo)“低”、“較低”、“中等”、“較高”四個(gè)評(píng)價(jià)等級(jí)對(duì)應(yīng)的3×4的矩陣12個(gè)分級(jí)標(biāo)準(zhǔn)上限值作為輸入，四個(gè)等級(jí)對(duì)應(yīng)0.2、0.4、0.6、0.8作為輸出的訓(xùn)練期望值，建立三層BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。然后，以同樣的方法訓(xùn)練水質(zhì)風(fēng)險(xiǎn)、工程風(fēng)險(xiǎn)、應(yīng)急風(fēng)險(xiǎn)模型。

通過(guò)不同組合的隱藏層數(shù)、迭代次數(shù)、學(xué)習(xí)率訓(xùn)練發(fā)現(xiàn)：

水量風(fēng)險(xiǎn)：當(dāng)隱藏層層數(shù)為50，迭代次數(shù)為1 000，學(xué)習(xí)率為0.1時(shí)，各等級(jí)訓(xùn)練輸出值絕對(duì)誤差較小，水量風(fēng)險(xiǎn)四個(gè)等級(jí)中最大絕對(duì)誤差為0.013。

水質(zhì)風(fēng)險(xiǎn)：當(dāng)隱藏層層數(shù)為70，迭代次數(shù)為500，學(xué)習(xí)率為0.1時(shí)，各等級(jí)訓(xùn)練輸出值絕對(duì)誤差較小，水質(zhì)風(fēng)險(xiǎn)四個(gè)等級(jí)中最大絕對(duì)誤差為0.013。

工程風(fēng)險(xiǎn)：當(dāng)隱藏層層數(shù)為70，迭代次數(shù)為300，學(xué)習(xí)率為0.1時(shí)，各等級(jí)訓(xùn)練輸出值絕對(duì)誤差較小，工程風(fēng)險(xiǎn)四個(gè)等級(jí)中最大絕對(duì)誤差為0.016。

應(yīng)急風(fēng)險(xiǎn)：當(dāng)隱藏層層數(shù)為60，迭代次數(shù)為1 000，學(xué)習(xí)率為0.1時(shí)，各等級(jí)訓(xùn)練輸出值絕對(duì)誤差較小，應(yīng)急風(fēng)險(xiǎn)四個(gè)等級(jí)中最大絕對(duì)誤差為0.013。

最后以某水源地的現(xiàn)狀指標(biāo)處理值作為輸入進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果分別為：水量風(fēng)險(xiǎn)0.877 5、水質(zhì)風(fēng)險(xiǎn)0.149 8、工程風(fēng)險(xiǎn)0.389 7、應(yīng)急風(fēng)險(xiǎn)0.537 6；風(fēng)險(xiǎn)等級(jí)由高到低依次排序：水量風(fēng)險(xiǎn)(高)→應(yīng)急風(fēng)險(xiǎn)(中等)→工程風(fēng)險(xiǎn)(較低)→水質(zhì)風(fēng)險(xiǎn)(低)。

四類指標(biāo)訓(xùn)練結(jié)果相對(duì)誤差見表10，四類指標(biāo)四個(gè)等級(jí)訓(xùn)練結(jié)果見表11，四類指標(biāo)綜合誤差訓(xùn)練過(guò)程見圖1，訓(xùn)練目標(biāo)值與訓(xùn)練結(jié)果的擬合度如圖2～5所示。

表10 訓(xùn)練結(jié)果相對(duì)誤差表Tab. 10 Table of relative errors in training results

表11 水源地供水安全風(fēng)險(xiǎn)分類評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)Tab. 11 Classification evaluation of security risks of water supply from water source

圖1 訓(xùn)練誤差過(guò)程Fig. 1 Training error process

圖2 水量風(fēng)險(xiǎn)訓(xùn)練擬合度圖Fig. 2 Water risk training fit graph

圖3 水質(zhì)風(fēng)險(xiǎn)訓(xùn)練擬合度圖Fig. 3 Water quality risk training fit graph

圖4 工程風(fēng)險(xiǎn)訓(xùn)練擬合度圖Fig. 4 Engineering risk training fit graph

圖5 應(yīng)急風(fēng)險(xiǎn)訓(xùn)練擬合度圖Fig. 5 Emergency risk training fit graph

3.5 評(píng)估結(jié)果分析比較

灰色關(guān)聯(lián)度法的優(yōu)點(diǎn)是能較好地解決評(píng)價(jià)指標(biāo)難以準(zhǔn)確量化和統(tǒng)計(jì)的問題。本次風(fēng)險(xiǎn)分類評(píng)價(jià)結(jié)果由高到低依次排序：水量風(fēng)險(xiǎn)(較高)→應(yīng)急風(fēng)險(xiǎn)(較低)→工程風(fēng)險(xiǎn)(較低)→水質(zhì)風(fēng)險(xiǎn)(低)。分類評(píng)價(jià)等級(jí)及結(jié)果見圖6、7。

圖6 灰色關(guān)聯(lián)度分類評(píng)價(jià)分級(jí)標(biāo)準(zhǔn) Fig. 6 Grading standard of classification evaluation by gray correlation

圖7 某水源地灰色關(guān)聯(lián)度分類評(píng)價(jià)結(jié)果 Fig. 7 Grey relevance classification evaluation results of a water source

神經(jīng)網(wǎng)絡(luò)適合于求解內(nèi)部機(jī)制復(fù)雜的問題，能夠處理非線性的較大型復(fù)雜系統(tǒng)。本次風(fēng)險(xiǎn)分類評(píng)價(jià)結(jié)果由高到低依次排序：水量風(fēng)險(xiǎn)(高)→應(yīng)急風(fēng)險(xiǎn)(中等)→工程風(fēng)險(xiǎn)(較低)→水質(zhì)風(fēng)險(xiǎn)(低)。分類評(píng)價(jià)等級(jí)及結(jié)果見圖8、9。

圖8 神經(jīng)網(wǎng)絡(luò)分類評(píng)價(jià)分級(jí)標(biāo)準(zhǔn) Fig. 8 Grading standard of classification evaluation by neural network

圖9 某水源地神經(jīng)網(wǎng)絡(luò)分類評(píng)價(jià)結(jié)果 Fig. 9 Neural network classification evaluation results of a water source

由上述分析可知：

1) 神經(jīng)網(wǎng)絡(luò)隱藏層的個(gè)數(shù)、迭代次數(shù)、學(xué)習(xí)率的確定是一大難點(diǎn)，將影響計(jì)算結(jié)果，計(jì)算結(jié)果有可能與實(shí)際不符，并且模型具有不穩(wěn)定性，對(duì)于其他同一類型的評(píng)價(jià)還需要重新訓(xùn)練模型。而灰色關(guān)聯(lián)度法適用性更廣泛，評(píng)價(jià)結(jié)果更加客觀準(zhǔn)確，計(jì)算結(jié)果不會(huì)出現(xiàn)量化結(jié)果與定性分析結(jié)果不符的情況。

2) 神經(jīng)網(wǎng)絡(luò)適合于多樣本、對(duì)精度要求不高的訓(xùn)練，在本次計(jì)算過(guò)程中，雖然結(jié)合了層次分析法確定的指標(biāo)權(quán)重來(lái)避免了權(quán)重小的因子對(duì)評(píng)價(jià)結(jié)果的影響，但由表10知，四個(gè)等級(jí)訓(xùn)練結(jié)果最大誤差為0.016。而灰色關(guān)聯(lián)度法無(wú)需大量樣本，對(duì)數(shù)據(jù)要求較低，計(jì)算量小，通俗易懂，精度高。

3) 在神經(jīng)網(wǎng)絡(luò)模型中，以分級(jí)標(biāo)準(zhǔn)處理值作為訓(xùn)練樣本輸入，自定義了0.2、0.4、0.6、0.8四個(gè)評(píng)價(jià)等級(jí)值作為訓(xùn)練樣本輸出，進(jìn)行訓(xùn)練，由圖8知，四類指標(biāo)評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)基本一致，風(fēng)險(xiǎn)值既可以橫向風(fēng)險(xiǎn)等級(jí)比較又可以縱向分類比較，對(duì)今后的應(yīng)用更加便捷、直觀、實(shí)用。由圖6知，灰色關(guān)聯(lián)度的評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)值隨著風(fēng)險(xiǎn)等級(jí)的升高，風(fēng)險(xiǎn)評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)值的間隔逐步減小，且四類間隔都不同，將不利于豎向的分類比較，但在灰色關(guān)聯(lián)度的評(píng)價(jià)中，風(fēng)險(xiǎn)評(píng)價(jià)分級(jí)標(biāo)準(zhǔn)值是計(jì)算灰色關(guān)聯(lián)系數(shù)得到，即代表各等級(jí)值與相應(yīng)理想閾值間的關(guān)聯(lián)程度大小，具有數(shù)理意義，更科學(xué)，因此，分級(jí)更合理。

兩種方法得出的結(jié)論基本一致，由于灰色關(guān)聯(lián)度法適用性更廣泛，精度較高，分級(jí)合理。因此，本次研究推薦選擇層次灰色關(guān)聯(lián)度耦合法進(jìn)行河口型水源地風(fēng)險(xiǎn)評(píng)估。

4 結(jié) 語(yǔ)

在已建立的供水安全風(fēng)險(xiǎn)評(píng)估指標(biāo)體系基礎(chǔ)上，采用層次分析法確定指標(biāo)權(quán)重后，選取灰色關(guān)聯(lián)度法和BP神經(jīng)網(wǎng)絡(luò)法分別進(jìn)行某水源地供水安全風(fēng)險(xiǎn)分類評(píng)估，并對(duì)適用方法進(jìn)行分析比選，得到結(jié)論如下：

1) 層次灰色關(guān)聯(lián)度耦合法適用性更廣，能較好地解決評(píng)價(jià)指標(biāo)難以準(zhǔn)確量化和統(tǒng)計(jì)的問題，具有定性與定量相結(jié)合評(píng)價(jià)精度較高的優(yōu)點(diǎn)，同時(shí)汲取專家的經(jīng)驗(yàn)智慧，適用于本次水源地供水安全風(fēng)險(xiǎn)評(píng)價(jià)，可用于類似河口型水源地的供水安全風(fēng)險(xiǎn)評(píng)估。

2) 神經(jīng)網(wǎng)絡(luò)法適用于訓(xùn)練數(shù)據(jù)較多、復(fù)雜、非線性的問題，在本次評(píng)價(jià)過(guò)程中，訓(xùn)練樣本較少，訓(xùn)練誤差較大，雖然本次分級(jí)標(biāo)準(zhǔn)不具有數(shù)理意義，但結(jié)果直觀，評(píng)價(jià)值既可以橫向風(fēng)險(xiǎn)等級(jí)比較又可以縱向分類比較，更便于管理部門今后的實(shí)際應(yīng)用。因此，當(dāng)訓(xùn)練數(shù)據(jù)較多、較復(fù)雜，對(duì)精度要求不高時(shí)，建議考慮用神經(jīng)網(wǎng)絡(luò)法進(jìn)行評(píng)價(jià)，以體現(xiàn)其求解復(fù)雜問題的優(yōu)勢(shì)。

3) 綜合風(fēng)險(xiǎn)評(píng)價(jià)適合多個(gè)水源地之間或同一水源地各類之間的風(fēng)險(xiǎn)比較，而對(duì)于某一水源地的風(fēng)險(xiǎn)評(píng)價(jià)，建議選用單因子評(píng)價(jià)，采用一票否決制，即某些分項(xiàng)指標(biāo)風(fēng)險(xiǎn)等級(jí)為高風(fēng)險(xiǎn)時(shí)，則風(fēng)險(xiǎn)評(píng)價(jià)為高風(fēng)險(xiǎn)。

4) 兩種計(jì)算方法得出結(jié)論基本一致，即風(fēng)險(xiǎn)等級(jí)評(píng)價(jià)結(jié)果由高到低依次排序：水量風(fēng)險(xiǎn)(較高)→應(yīng)急風(fēng)險(xiǎn)(較低)→工程風(fēng)險(xiǎn)(較低)→水質(zhì)風(fēng)險(xiǎn)(低)。其結(jié)果具有可靠性。