基于神經(jīng)網(wǎng)絡(luò)算法的水資源生態(tài)承載力智能監(jiān)測(cè)方法

于國(guó)寶

(遼寧省朝陽(yáng)水文局,遼寧 朝陽(yáng) 122000)

當(dāng)前我國(guó)水資源可持續(xù)發(fā)展的一項(xiàng)重要指標(biāo)為水資源生態(tài)承載力，該指標(biāo)也是學(xué)者們研究的一個(gè)熱點(diǎn)話題。目前，僅對(duì)水資源生態(tài)承載能力進(jìn)行研究的文獻(xiàn)很少，而且多是將其納入到城市可持續(xù)發(fā)展中分析。在國(guó)外，一般用壓力指標(biāo)、可持續(xù)用水量指標(biāo)、水資源生態(tài)限度、水資源系統(tǒng)自然系統(tǒng)極限、水資源短缺程度等指標(biāo)來表示類似的意義。根據(jù)我國(guó)目前的發(fā)展?fàn)顩r，現(xiàn)有的水資源生態(tài)承載能力研究多集中在水量方面。在保證水資源供求均衡的前提下，對(duì)研究區(qū)的可用水量進(jìn)行了分析。

文獻(xiàn)[1]提出了基于DPSIRM模型的水源地水資源脆弱性評(píng)價(jià)方法，在DPSIRM模型的基礎(chǔ)上，提出了一種基于DPSIRM的流域水資源承載能力評(píng)估方法。然后，利用模擬退火算法求解各指標(biāo)對(duì)水資源生態(tài)承載力的影響；文獻(xiàn)[2]提出了基于區(qū)域水量-水質(zhì)的水資源生態(tài)承載力研究方法，以水質(zhì)為目標(biāo)，建立了水資源生態(tài)承載能力評(píng)價(jià)指標(biāo)體系，并對(duì)區(qū)域水資源承載能力進(jìn)行了分析。上述2種方法只考慮了水質(zhì)不合格，沒有考慮到水環(huán)境納污能力和生態(tài)需求。盡管已有學(xué)者從水質(zhì)的觀點(diǎn)出發(fā)，對(duì)水資源的生態(tài)承載能力進(jìn)行了研究，但并未將其納入到水質(zhì)狀況和水量狀況中。為此，本文提出了基于神經(jīng)網(wǎng)絡(luò)算法的水資源生態(tài)承載力智能監(jiān)測(cè)方法。

1 河道水環(huán)境納污能力分析

依據(jù)水體污染負(fù)荷計(jì)算的相關(guān)規(guī)定，構(gòu)建河流納污能力數(shù)學(xué)模型。結(jié)合朝陽(yáng)水文站具體情況，分別構(gòu)建零維模型、一維模型、二維模型。對(duì)于零維模型的使用，是在污染物均勻混合情況下分析河流納污能力；對(duì)于一維模型的使用，是在河流流量小于100m3/s情況下分析河流納污能力；對(duì)于二維模型的使用，是在河流流量大于等于100m3/s情況下分析河流納污能力[3]。

由于朝陽(yáng)水文站的河流流量小于100m3/s，所以通過構(gòu)建一維模型來分析河流納污能力，公式為：

(1)

式中，ηR—河道水環(huán)境納污能力，t/a；C1—河道下游污染物目標(biāo)濃度值，g/L；C0—河道上游污染物目標(biāo)濃度值，g/L；λ—污染物降解系數(shù)；L—河道長(zhǎng)度，m；v—平均流速，m/s；q—河流流量，m3/s。

朝陽(yáng)河流域的河流為中小河流，天然河流流量不大[4]。在短時(shí)間內(nèi)，忽略橫向、縱向污染濃度對(duì)污水排放口分布所造成的復(fù)雜問題，采用一維模型對(duì)朝陽(yáng)河段河流納污能力進(jìn)行分析。

2 水資源生態(tài)承載力智能監(jiān)測(cè)

2.1 水資源容量數(shù)據(jù)動(dòng)態(tài)采集

以2017、2019年朝陽(yáng)水文站數(shù)據(jù)為例，對(duì)水資源智能監(jiān)測(cè)。

(1)2017年

2017年水資源智能監(jiān)測(cè)步驟為：對(duì)降雨量自記儀器進(jìn)行虹吸調(diào)試及浮子室清洗養(yǎng)護(hù)，養(yǎng)護(hù)后清洗20cm蒸發(fā)器及E601型蒸發(fā)器，做好纜道測(cè)流系統(tǒng)涂油養(yǎng)護(hù)檢查及更換循環(huán)索，重新安裝備用電源及電路改造，調(diào)試發(fā)動(dòng)機(jī)，實(shí)現(xiàn)朝陽(yáng)站汛前校測(cè)工作[5]。

在各項(xiàng)測(cè)驗(yàn)任務(wù)中嚴(yán)格按照規(guī)范操作，保質(zhì)保量完成各項(xiàng)測(cè)驗(yàn)任務(wù)，全年實(shí)測(cè)流量103次，較大洪峰2次，分別于7月6日發(fā)生較大洪峰，水位99.92m，流量463m3/s；8月3日發(fā)生全年最大洪峰，水位101.34m，實(shí)測(cè)流量1100m3/s。全年共采沙65次，最大含沙量40.0kg/m3，發(fā)生在8月3日。

(2)2019年

2019年水資源智能監(jiān)測(cè)步驟為：對(duì)降雨量自記儀器進(jìn)行虹吸調(diào)試及浮子室清洗養(yǎng)護(hù)，養(yǎng)護(hù)后清洗20cm蒸發(fā)器及E601型蒸發(fā)器，做好朝陽(yáng)站斷面及水尺零點(diǎn)高程進(jìn)行汛前校測(cè)和水準(zhǔn)點(diǎn)校測(cè)工作，完成纜道系統(tǒng)調(diào)試、三索涂油、發(fā)電機(jī)維修養(yǎng)護(hù)、朝陽(yáng)站鋁合金窗戶的密封維修及窗簾制作工作。

全年水文測(cè)驗(yàn)工作：1—8月實(shí)測(cè)流量64次，8月17日實(shí)測(cè)最高水位98.95m，最大流量85.4m3/s；5月26日，最大降雨量62.9mm。發(fā)送水情報(bào)文300余份。完成了松嶺門、白腰、駱駝營(yíng)子流量巡測(cè)任務(wù)，實(shí)測(cè)流量20余次；完成龍?zhí)?、六合成?個(gè)墑情站巡測(cè)工作，發(fā)送墑情報(bào)文100余份。

2.2 水資源生態(tài)承載力模型構(gòu)建

通過分析河道水環(huán)境納污能力，結(jié)合2017、2019年朝陽(yáng)水文站智能采集的數(shù)據(jù)，根據(jù)該區(qū)域河道實(shí)際污染情況，充分考慮生態(tài)用水需求，以河道水環(huán)境納污能力為研究對(duì)象，保證生態(tài)需水量達(dá)到最低。選擇一維模型計(jì)算朝陽(yáng)河段河流納污能力，分析可利用的生產(chǎn)、生活水資源數(shù)量，進(jìn)而估算研究區(qū)域水資源的生態(tài)承載能力[6- 7]。

以人口規(guī)模和GDP規(guī)模衡量我國(guó)水資源承載能力，并以此為依據(jù)反映其人口承載能力與經(jīng)濟(jì)承載能力。以研究區(qū)可用水量、綜合用水量、人均GDP為依據(jù)，對(duì)研究區(qū)水資源的可承載GDP和人口進(jìn)行測(cè)算。構(gòu)建水量-水質(zhì)的水資源生態(tài)承載力模型，如圖1所示。

圖1 水資源生態(tài)承載力模型

如圖1所示，首先計(jì)算出最小的需水量，以保證該地區(qū)的生態(tài)環(huán)境不會(huì)受到損害。然后通過對(duì)水資源的限制，計(jì)算出可利用的水資源量。之后通過對(duì)水質(zhì)的控制，對(duì)研究區(qū)的水環(huán)境容量進(jìn)行計(jì)算[8- 10]。最后通過對(duì)地下水的綜合利用指標(biāo)，可以確定水資源生態(tài)承載力[11]。

2.2.1水量約束

根據(jù)河流的生態(tài)需求量，確定各流域的水資源限制條件。在維持河流流域生態(tài)環(huán)境所需的最小生態(tài)需水量基礎(chǔ)上，保持河道基本生態(tài)環(huán)境滿足該區(qū)域?qū)嶋H需求[12]。

在水資源短缺和用水緊張的區(qū)域，通常按“好”等級(jí)劃分，并根據(jù)各節(jié)點(diǎn)的最小生態(tài)流量和徑流特性，選擇最佳生態(tài)環(huán)境。該環(huán)境下對(duì)應(yīng)的流量百分比見表1。

表1 不同狀況對(duì)應(yīng)的流量百分比 單位：%

由表1可知，在河流年徑流量中，河流的寬度、水深、流速都在30%以上。

2.2.2水質(zhì)約束

水質(zhì)約束是指每年排放到江河中的污染物總量不超過河道的環(huán)境容量，并根據(jù)河水的環(huán)境容量確定其在水質(zhì)約束條件下的可用水量。根據(jù)河道水環(huán)境納污能力ηR計(jì)算結(jié)果，確定河道納污能力[13]。根據(jù)河道內(nèi)主要河流污染負(fù)荷，確定污水排放系數(shù)，使污水排放不超過河道納污能力。由于河道生態(tài)環(huán)境隨氣候和周圍環(huán)境變化，因此河道水流變小會(huì)影響水環(huán)境容量，導(dǎo)致水資源生態(tài)承載力變化[14]。計(jì)算GB/T 23598—2009《水資源公報(bào)編制規(guī)程》中水資源總量，公式為：

W=ηR+q+q1

(2)

式中，q1—地下水資源量，m3。

為了滿足河道需水量要求，對(duì)流域內(nèi)的水環(huán)境容量進(jìn)行了測(cè)算，并制定出了以水量、水質(zhì)為基礎(chǔ)的水資源生態(tài)承載能力3種方案，第1種方案為排水全用，全部排水都被用來納污；第2種方案為排水半用，一半排水被用來納污，另一半被用作供水；第3種方案為排水不用，全部排水都被用作供水[15]。

從水量-水質(zhì)約束條件角度出發(fā)，分析了水資源生態(tài)承載力。充分考慮上述這3種水資源生態(tài)承載力，求取最優(yōu)水資源生態(tài)承載力智能監(jiān)測(cè)結(jié)果。為此，提出了基于神經(jīng)網(wǎng)絡(luò)算法的最優(yōu)承載力計(jì)算方法。

2.3 基于神經(jīng)網(wǎng)絡(luò)算法的最優(yōu)承載力計(jì)算

神經(jīng)網(wǎng)絡(luò)是一種前饋性的神經(jīng)網(wǎng)絡(luò)，通過該網(wǎng)絡(luò)獲取的結(jié)果是最優(yōu)的，3層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖2所示。

圖2 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

由圖2可知，基于神經(jīng)網(wǎng)絡(luò)算法的最優(yōu)承載力計(jì)算步驟如下：

步驟1：初始化神經(jīng)網(wǎng)絡(luò)，賦予網(wǎng)絡(luò)連接權(quán)值；

步驟2：設(shè)置誤差函數(shù)，隨機(jī)選取k個(gè)輸入采樣及相應(yīng)的預(yù)期輸出結(jié)果，以獲取運(yùn)算準(zhǔn)確度及最大學(xué)習(xí)次數(shù)；

步驟3：根據(jù)預(yù)期輸出結(jié)果，確定輸出層各個(gè)神經(jīng)元偏導(dǎo)數(shù)；

步驟4：輸出層中各神經(jīng)元的連接權(quán)重由各神經(jīng)元的輸出結(jié)果進(jìn)行校正；

步驟5：計(jì)算全局錯(cuò)誤，判定錯(cuò)誤是否低于設(shè)置的臨界值，在錯(cuò)誤的運(yùn)算次數(shù)最多時(shí)終止，否則繼續(xù)進(jìn)行下一次學(xué)習(xí)；

步驟6：從下一輪學(xué)習(xí)中選取學(xué)習(xí)樣本及對(duì)應(yīng)的期望輸出結(jié)果，在確定最大期望輸出結(jié)果情況下，分析水資源生態(tài)承載力在3種方案下的監(jiān)測(cè)指標(biāo)，詳細(xì)內(nèi)容如下：

(1)對(duì)于方案1的監(jiān)測(cè)指標(biāo)，計(jì)算公式為：

(3)

(2)對(duì)于方案2的監(jiān)測(cè)指標(biāo)，計(jì)算公式為：

(4)

(3)對(duì)于方案3的監(jiān)測(cè)指標(biāo)，計(jì)算公式為：

(5)

通過上述分析結(jié)果可知，第3種方案應(yīng)用效果最差，第1種方案和第2種方案水資源生態(tài)承載力比第3種方案大。但第1種方案沒有考慮將河水流量作為供水水源，相比第2種方案，不利于水資源可持續(xù)發(fā)展。第2種方案在確保獲取最小需水量情況下，將一半排水用作供水水源。

3 實(shí)驗(yàn)

3.1 實(shí)驗(yàn)背景

根據(jù)GB/T 23598—2009要求，朝陽(yáng)水文局分析了河南鄭州“7.20”特大暴雨災(zāi)害報(bào)告。全體職工從災(zāi)害特點(diǎn)、應(yīng)對(duì)策略、相關(guān)部門單位責(zé)任問題、改進(jìn)措施等方面進(jìn)行深入剖析。河南鄭州特大暴雨給當(dāng)?shù)鼐用裆顜韲?yán)重危害，所以需要盡快制定措施，盡快修復(fù)電力和通訊設(shè)施，保障正常飲水和食品安全，恢復(fù)交通正常出行，對(duì)地鐵等受損嚴(yán)重的場(chǎng)所要盡快恢復(fù)。水文作為水利戰(zhàn)線的尖兵，防汛抗洪的耳目，在抗洪救災(zāi)中發(fā)揮著極其重要作用。

面對(duì)類似的強(qiáng)降雨天氣，水文站要及時(shí)制定出安全策略，充分利用氣象部門的應(yīng)急體系，精準(zhǔn)分析雨情、水情等水文數(shù)據(jù)。

3.2 實(shí)驗(yàn)數(shù)據(jù)采集

統(tǒng)計(jì)2022年水資源生態(tài)承載力數(shù)據(jù)，見表2。

表2 2022年水資源生態(tài)承載力數(shù)據(jù)

結(jié)合表2數(shù)據(jù)和上述研究的3種水資源生態(tài)承載力方案，統(tǒng)計(jì)理想情況下的數(shù)據(jù)，見表3。

表3 理想情況下2022年水資源生態(tài)承載力數(shù)據(jù)

由表3可知，第2種方案承載人口多和承載GDP規(guī)模大，在2022年可承載人口達(dá)到230萬(wàn)人，可承載GDP規(guī)模達(dá)到3325.22億元。

3.3 實(shí)驗(yàn)結(jié)果與分析

通過上述分析結(jié)果可知，方案2水資源生態(tài)承載力最優(yōu)，以此為研究對(duì)象，分別使用基于DPSIRM模型的水源地水資源脆弱性評(píng)價(jià)方法、基于區(qū)域水量-水質(zhì)的水資源生態(tài)承載力研究方法和基于神經(jīng)網(wǎng)絡(luò)算法的水資源生態(tài)承載力智能監(jiān)測(cè)方法，對(duì)比分析2022年水資源生態(tài)承載力各項(xiàng)數(shù)據(jù)，對(duì)比結(jié)果見表4。

表4 3種方法水資源生態(tài)承載力各項(xiàng)數(shù)據(jù)對(duì)比分析

由表4可知，使用基于DPSIRM模型的水源地水資源脆弱性評(píng)價(jià)方法、基于區(qū)域水量-水質(zhì)的水資源生態(tài)承載力研究方法，各項(xiàng)數(shù)據(jù)均與表2理想數(shù)值不一致。其中在承載人口和承載GDP規(guī)模兩方面與理想數(shù)據(jù)分別存在10萬(wàn)人、20萬(wàn)人和312.08億元、169.02億元誤差。使用基于神經(jīng)網(wǎng)絡(luò)算法的水資源生態(tài)承載力智能監(jiān)測(cè)方法，各項(xiàng)數(shù)據(jù)均與表2理想數(shù)值基本一致，只是承載GDP規(guī)模與理想數(shù)據(jù)存在12.12億元的誤差。

為了進(jìn)一步驗(yàn)證所研究方法的有效性，將上述各項(xiàng)數(shù)據(jù)作為輸入數(shù)據(jù)，對(duì)不同方法使用的適應(yīng)度值進(jìn)行對(duì)比分析，對(duì)比結(jié)果如圖3所示。

圖3 3種方法適應(yīng)度值對(duì)比分析

由圖3可知，基于神經(jīng)網(wǎng)絡(luò)算法的水資源生態(tài)承載力智能監(jiān)測(cè)方法，在監(jiān)測(cè)時(shí)間為4個(gè)月時(shí)趨于穩(wěn)定；使用基于DPSIRM模型的水源地水資源脆弱性評(píng)價(jià)方法和基于區(qū)域水量-水質(zhì)的水資源生態(tài)承載力研究方法，分別在監(jiān)測(cè)時(shí)間為8、10個(gè)月時(shí)才趨于穩(wěn)定。

通過上述分析結(jié)果可知，使用基于神經(jīng)網(wǎng)絡(luò)算法的水資源生態(tài)承載力數(shù)據(jù)監(jiān)測(cè)結(jié)果精準(zhǔn)，且適應(yīng)度值趨于穩(wěn)定時(shí)長(zhǎng)短，說明使用該方法收斂速度快，明顯優(yōu)于其余2種方法。

4 結(jié)語(yǔ)

基于神經(jīng)網(wǎng)絡(luò)算法的水資源生態(tài)承載力智能監(jiān)測(cè)方法，利用神經(jīng)網(wǎng)絡(luò)算法克服傳統(tǒng)方法存在的問題，獲取承載力監(jiān)測(cè)最優(yōu)解，提高了收斂速度。因此，水資源生態(tài)承載力模型的構(gòu)建解決了目前水資源生態(tài)承載力分析僅注重水資源的資源量的問題，從而豐富了水資源的生態(tài)承載力，提高了水資源的可持續(xù)利用能力。

下一步研究，仍需進(jìn)一步分析收斂因子，努力提高尋優(yōu)效率。而且有關(guān)分析的項(xiàng)目還不全面，所以接下來要分析由于天氣、突發(fā)事件等原因造成的非規(guī)律用水需求，并綜合考慮多種因素，以保證該監(jiān)測(cè)方法的可行性和實(shí)用性。