遼河流域水安全評(píng)價(jià)

楊 冶

（遼寧省鞍山水文局，遼寧 鞍山 114000）

全球氣候變化導(dǎo)致水資源供應(yīng)和水環(huán)境受到不同程度的影響，從而進(jìn)一步加劇了水生態(tài)功能退化和水污染等問題。遼河流域橫跨內(nèi)蒙古、河北、遼寧、吉林四省(自治區(qū))，流域內(nèi)水安全問題突出，如何實(shí)現(xiàn)經(jīng)濟(jì)騰飛與水體保護(hù)雙重目標(biāo)，繼續(xù)維持經(jīng)濟(jì)活力是現(xiàn)階段亟待解決的問題[1]。

我國(guó)十四五規(guī)劃明確提出要統(tǒng)籌安全與發(fā)展，實(shí)現(xiàn)水安全保障能力的全面提升。因此，從社會(huì)與自然雙重角度分析遼河流域水安全，針對(duì)存在的問題探索適宜的發(fā)展對(duì)策，對(duì)實(shí)現(xiàn)流域可持續(xù)發(fā)展及生態(tài)保護(hù)極具現(xiàn)實(shí)意義。目前，廣大學(xué)者越來(lái)越關(guān)注水的安全問題，從內(nèi)容上多側(cè)重于水生態(tài)文明、水安全的評(píng)價(jià)等方面，如蘇聰文等從生態(tài)、節(jié)約、環(huán)境、監(jiān)管等角度分析我國(guó)水生態(tài)文明整體狀況；張楚等從宏觀層面上探討了長(zhǎng)江存在的問題及其成因，指出城市化發(fā)展與水安全關(guān)系密切；薛昱等以廣州市為例，從生態(tài)、經(jīng)濟(jì)、社會(huì)、水資源層面評(píng)價(jià)區(qū)域水安全水平[2-4]。從研究范圍上大多側(cè)重于城市、省域和區(qū)域水安全，從研究方法上以測(cè)算綜合指數(shù)和構(gòu)建評(píng)估體系為主，應(yīng)用較廣泛的方法有水貧窮指數(shù)法、功能系數(shù)法、熵權(quán)法、AHP法和模糊數(shù)學(xué)法等，如高媛媛等以泉州市為例，采用改進(jìn)的層次分析法評(píng)價(jià)分析了區(qū)域水安全狀況；劉秀麗等以京津冀地區(qū)為例，采用改進(jìn)模糊綜合法評(píng)價(jià)水環(huán)境安全程度；邵駿等以長(zhǎng)江流域?yàn)槔?，?yīng)用水貧乏指數(shù)系統(tǒng)分析其水安全水平；梁緣毅等將熵權(quán)法與層次分析法相耦合評(píng)定了我國(guó)水安全風(fēng)險(xiǎn)等級(jí)，也有學(xué)者利用SPA-MC法、可拓云模型評(píng)價(jià)了水安全[5-8]。

目前，對(duì)流域水安全利用學(xué)習(xí)向量量化網(wǎng)絡(luò)模型(LVQ)研究評(píng)價(jià)的較少，文章結(jié)合遼河流域水資源利用現(xiàn)狀，從多個(gè)角度構(gòu)建評(píng)估體系，對(duì)LVQ網(wǎng)絡(luò)模型利用模糊C-聚類分析FCM法加以優(yōu)化，并評(píng)價(jià)了遼河流域2015—2021年水安全狀態(tài)，以期為流域水資源可持續(xù)利用提供科學(xué)依據(jù)。

1 研究方法

1.1 流域概況

遼河是我國(guó)東北地區(qū)重要的河流，流域面積廣闊，具有豐富的水資源和生態(tài)環(huán)境。流域內(nèi)地貌類型以沖擊平原為主，地勢(shì)平坦，土壤肥沃，適合農(nóng)業(yè)發(fā)展。然而，由于過度的農(nóng)業(yè)耕作和不合理的土地利用方式，導(dǎo)致水土流失問題日益嚴(yán)重。遼河流域內(nèi)的森林覆蓋面積相對(duì)較大，其中包括大片的天然林，在維護(hù)生態(tài)平衡和保護(hù)水源上發(fā)揮著重要作用，可以保持水土的保持能力和水質(zhì)的安全。然而，受非法砍伐、過度放牧和人類活動(dòng)的影響，導(dǎo)致天然植被的萎縮和退化，這不僅對(duì)生物多樣性造成了威脅，也對(duì)水資源的保護(hù)和水生態(tài)系統(tǒng)的可持續(xù)發(fā)展帶來(lái)了挑戰(zhàn)。因此，需要采取積極措施來(lái)保護(hù)和恢復(fù)流域內(nèi)的天然植被，如植樹造林、退耕還林還草等。

近年來(lái)，隨著農(nóng)業(yè)、工業(yè)和城市化的發(fā)展，對(duì)水資源的需求不斷增加。因此，為了滿足農(nóng)業(yè)灌溉和生活用水的需求，修建水庫(kù)和水利工程成為必要的舉措。柴河、清河等水庫(kù)供水工程的建設(shè)，使得河道流量得到一定的調(diào)節(jié)和控制，確保了農(nóng)業(yè)用水的供應(yīng)，但水庫(kù)對(duì)河流徑流的調(diào)節(jié)，使得河流的自然水文特征發(fā)生改變，可能會(huì)對(duì)河流生態(tài)系統(tǒng)造成一定的影響。因此，需要在水資源利用和生態(tài)環(huán)境保護(hù)之間找到平衡，制定合理的水資源管理措施，以實(shí)現(xiàn)可持續(xù)發(fā)展。

1.2 數(shù)據(jù)來(lái)源

為確保評(píng)價(jià)結(jié)果的可靠性，研究使用遼寧省統(tǒng)計(jì)年鑒、水資源公報(bào)和水利發(fā)展統(tǒng)計(jì)公報(bào)等資料數(shù)據(jù)，F(xiàn)CM-LVQ模型的測(cè)試數(shù)據(jù)選擇2015—2021年各指標(biāo)數(shù)據(jù)，經(jīng)訓(xùn)練學(xué)習(xí)評(píng)價(jià)遼河流域水安全狀況。

1.3 評(píng)價(jià)指標(biāo)體系

如何合理構(gòu)建評(píng)價(jià)體系直接決定著水安全評(píng)價(jià)的準(zhǔn)確性與可靠性，而當(dāng)前尚未形成一套普遍適用的評(píng)價(jià)體系[9]。因此，為更加直觀地反映遼河流域水資源現(xiàn)狀，結(jié)合流域水生態(tài)、水環(huán)境問題及相關(guān)研究資料，從水治理、水監(jiān)管、水生態(tài)和水環(huán)境的角度建立適用于遼河流域的水安全評(píng)價(jià)體系見表1。

表1 遼河流域水安全評(píng)價(jià)體系及等級(jí)劃分

1.4 等級(jí)劃分標(biāo)準(zhǔn)

根據(jù)地區(qū)發(fā)展規(guī)劃要求及相關(guān)文獻(xiàn)資料，將流域水安全劃分為非常不安全(Ⅴ級(jí))、不安全(Ⅳ級(jí))、基本安全(Ⅲ級(jí))、安全(Ⅱ級(jí))、非常安全(Ⅰ級(jí))5個(gè)等級(jí)，相應(yīng)的水安全參評(píng)指標(biāo)等級(jí)見表1。

1.5 評(píng)價(jià)方法

1）模糊C-均值聚類FCM算法。這是一種經(jīng)典聚類算法，它將每個(gè)數(shù)據(jù)點(diǎn)分配到一些群體中，即假定每個(gè)數(shù)據(jù)點(diǎn)都屬于不同程度的每個(gè)群體，從而獲得更好的群體劃分。FCM算法的計(jì)算流程如下：

步驟1：首先設(shè)定聚類數(shù)量k和模糊m值，初始化聚類中心向量c1，c2，…，ck，可以使用隨機(jī)數(shù)或者其他啟發(fā)式方法進(jìn)行初始化。同時(shí)，定義一個(gè)矩陣Un×k，其中n為數(shù)據(jù)點(diǎn)數(shù)量。U矩陣的每一個(gè)元素ui，j表示第i個(gè)點(diǎn)屬于第j個(gè)聚類的模糊隸屬度。初始時(shí)，可以將U矩陣隨機(jī)初始化或設(shè)置為一定的初始化值。

步驟2：根據(jù)中心向量和隸屬度，計(jì)算每個(gè)數(shù)據(jù)點(diǎn)到每個(gè)聚類中心的距離d(i,j)，可以使用歐幾里得距離或其他距離度量方法。

目前的研究皆證實(shí)了修正性反饋對(duì)英語(yǔ)冠詞習(xí)得的促進(jìn)作用，但實(shí)驗(yàn)的范圍僅限于對(duì)簡(jiǎn)單冠詞用法的反饋（首次提及和再次提及的用法），至于修正性反饋是否對(duì)復(fù)雜冠詞用法有效還有待探討。

步驟3：基于距離度量和模糊邏輯，更新U矩陣中每個(gè)元素的值，對(duì)于每個(gè)點(diǎn)i和每個(gè)聚類中心j計(jì)算ui,j，即：

步驟4：根據(jù)更新后的U矩陣，重新計(jì)算每個(gè)聚類中心向量c1，c2，…，ck。對(duì)于每個(gè)聚類中心j計(jì)算vi，即：

步驟5：重復(fù)上述步驟 3~4，直到算法收斂或到達(dá)設(shè)定的迭代次數(shù)上限，約束條件如下：

2）LVQ網(wǎng)絡(luò)模型。LVQ網(wǎng)絡(luò)的訓(xùn)練過程是基于樣本和神經(jīng)元之間的競(jìng)爭(zhēng)和調(diào)整，使得神經(jīng)元權(quán)重向量能夠更好地表示不同的分類或子分類。整個(gè)網(wǎng)絡(luò)的學(xué)習(xí)過程通常需要進(jìn)行多輪迭代，直到網(wǎng)絡(luò)參數(shù)穩(wěn)定或達(dá)到預(yù)設(shè)的訓(xùn)練停止條件，主要運(yùn)算流程為：

步驟1：初始化網(wǎng)絡(luò)參數(shù)。通常初始權(quán)重向量可以隨機(jī)化或根據(jù)訓(xùn)練數(shù)據(jù)進(jìn)行初始化，包括神經(jīng)元權(quán)重向量、學(xué)習(xí)率等[12]。

步驟2：競(jìng)爭(zhēng)層中的神經(jīng)元激活。將待分類的樣本輸入到LVQ網(wǎng)絡(luò)中，計(jì)算輸入樣本與競(jìng)爭(zhēng)層中每個(gè)神經(jīng)元的權(quán)重向量之間的距離，可以使用歐幾里得距離度量方法，距離較小的神經(jīng)元將會(huì)被激活成為勝出神經(jīng)元。

步驟3：更新勝出神經(jīng)元的權(quán)重。將勝出神經(jīng)元的權(quán)重向量向輸入模式調(diào)整，使其更接近于輸入樣本，具體更新方式可以使用以下公式進(jìn)行更新：

其中，W(j) 表示第j個(gè)勝出神經(jīng)元的權(quán)重向量，α是學(xué)習(xí)率，X是輸入模式樣本。

步驟5：線性層的運(yùn)算。根據(jù)競(jìng)爭(zhēng)層的子分類結(jié)果，將輸入樣本進(jìn)行線性組合，生成最終的分類結(jié)果。

3）FCM-LVQ模型。首先使用FCM聚類算法將評(píng)價(jià)樣本進(jìn)行聚類劃分，然后利用專家打分法對(duì)指標(biāo)進(jìn)行再次篩選，在進(jìn)行了指標(biāo)篩選和打分后，生成新的樣本數(shù)據(jù)集，最后將處理后的樣本數(shù)據(jù)輸入LVQ神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練精度達(dá)到要求后進(jìn)行仿真訓(xùn)練檢驗(yàn)。然后計(jì)算處理測(cè)試樣本集，采用訓(xùn)練好的網(wǎng)絡(luò)結(jié)構(gòu)評(píng)定流域水安全狀況，并與傳統(tǒng)方法相對(duì)比以驗(yàn)證其可靠性和有效性。FCMLVQ模型可以明顯提升訓(xùn)練速度，有效避免樣本數(shù)據(jù)的冗余以及降維過程中關(guān)鍵數(shù)據(jù)的丟失，更加真實(shí)客觀地反映實(shí)際情況[13]。

2 結(jié)果與分析

2.1 FCM聚類分析

研究使用插值法劃分標(biāo)準(zhǔn)來(lái)確定各指標(biāo)的閾值，并生成初始樣本矩陣P，其中每個(gè)分類級(jí)別對(duì)應(yīng)兩組樣本數(shù)據(jù)，由此可以獲取10組插值數(shù)據(jù)。

根據(jù)信息熵原理分析聚類數(shù)目k與信息熵H(k)之間的變化關(guān)系，如圖1所示，結(jié)果顯示熵值最小時(shí)k=2，所以最優(yōu)聚類數(shù)c可以取2。

圖1 信息熵H(k)的變化趨勢(shì)

使用MATLAB中的zscore函數(shù)和fcm函數(shù)對(duì)樣本矩陣P進(jìn)行標(biāo)準(zhǔn)化處理和聚類分析，經(jīng)過上述處理后，您可以得到聚類中心矩陣V、隸屬度矩陣U：

然后再分析聚類結(jié)果，從量類聚類樣本中利用專家打分法篩選出重要指標(biāo)，從而組成新的樣本數(shù)據(jù)，建立網(wǎng)絡(luò)模型訓(xùn)練樣本矩陣P′：

2.2 LVQ網(wǎng)絡(luò)訓(xùn)練

采用訓(xùn)練樣本矩陣P′作為輸入向量，并將其對(duì)應(yīng)的水安全級(jí)別C作為訓(xùn)練樣本的輸出向量：C=[1 1 2 2 3 3 4 4 5 5]，將其按照ind2vec和newlvq函數(shù)轉(zhuǎn)變成目標(biāo)向量，并構(gòu)造相應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)定學(xué)習(xí)速率0.01，競(jìng)爭(zhēng)層神經(jīng)元10個(gè)，按兩兩分組對(duì)10組數(shù)據(jù)輸出相應(yīng)等級(jí)，各級(jí)分類所占比例20%。

通過使用構(gòu)建的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)對(duì)樣本數(shù)據(jù)進(jìn)行訓(xùn)練，并通過模擬仿真來(lái)檢驗(yàn)網(wǎng)絡(luò)性能，主要流程如下：先獲取初始網(wǎng)絡(luò)權(quán)值及輸入向量，利用train函數(shù)訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)得到權(quán)值和輸入向量，使用Sim函數(shù)進(jìn)行仿真模擬，比較期望輸出與仿真輸出見表2。

表2 網(wǎng)絡(luò)模型仿真檢驗(yàn)

結(jié)果顯示，權(quán)值向量經(jīng)過訓(xùn)練后具有較好的分類分級(jí)能力，期望與仿真輸出高度吻合，這表明所構(gòu)建的網(wǎng)絡(luò)結(jié)構(gòu)具有較高的訓(xùn)練精度。

采用已訓(xùn)練好的FCM-LVQ（模糊C均值-學(xué)習(xí)向量量化）網(wǎng)絡(luò)模型來(lái)評(píng)估遼河流域的水安全等級(jí)，并同時(shí)使用BP（反向傳播）網(wǎng)絡(luò)和LVQ網(wǎng)絡(luò)模型進(jìn)行評(píng)估，并將評(píng)價(jià)結(jié)果比較驗(yàn)證FCM-LVQ模型的有效性與可行性，如表3所示。

表3 網(wǎng)絡(luò)模型仿真檢驗(yàn)

由表3可知，訓(xùn)練后的FCM-LVQ模型可以有效評(píng)定流域水安全等級(jí)。具體而言，2015年遼河流域處于不安全(Ⅳ級(jí))狀態(tài)，流域內(nèi)具有較多不安全因素；2016—2018年遼河流域處于基本安全(Ⅲ級(jí))狀態(tài)，流域內(nèi)具有一定不安全因素；2019—2021年遼河流域處于安全(Ⅱ級(jí))狀態(tài)，流域內(nèi)具有較少不安全因素?？傮w上，2015—2021年遼河流域水安全呈現(xiàn)出好轉(zhuǎn)趨勢(shì)，這與流域近年來(lái)實(shí)施一系列水生態(tài)治理工程相符，說(shuō)明FCM-LVQ模型能夠客觀反映流域水安全情況。

通過對(duì)比分析發(fā)現(xiàn)，F(xiàn)CM-LVQ模型評(píng)定的遼河流域水安全級(jí)別有Ⅱ級(jí)、Ⅲ級(jí)和Ⅳ級(jí)，而BP和LVQ網(wǎng)絡(luò)模型評(píng)定結(jié)果只有Ⅱ級(jí)和Ⅲ級(jí)，表明FCM-LVQ模型能夠更加細(xì)致精確地評(píng)定水安全狀況。在運(yùn)算過程中，F(xiàn)CM-LVQ模型的容錯(cuò)性和魯棒性也更好。另外，F(xiàn)CM-LVQ模型與LVQ模型評(píng)定的遼河流域水安全等級(jí)只在2015年、2019年有所差異，并且FCM-LVQ模型能夠更加明確的劃分等級(jí)。這是因?yàn)長(zhǎng)VQ模型無(wú)法降維處理樣本數(shù)據(jù)，使得評(píng)價(jià)結(jié)果受冗余樣本數(shù)據(jù)的影響而有所降低[15-18]。

綜上分析，采用FCM-LVQ模型能夠較好地評(píng)價(jià)遼河流域水安全等級(jí)，針對(duì)遼河流域存在的水安全問題采取有效的環(huán)境應(yīng)對(duì)措施，對(duì)于保證流域內(nèi)生態(tài)安全及可持續(xù)發(fā)展具有重要意義。

3 結(jié) 論

1）文章結(jié)合遼河流域?qū)嶋H情況，從水治理、水監(jiān)管、水生態(tài)和水環(huán)境等方面構(gòu)建評(píng)價(jià)體系，并采用FCM-LVQ模型評(píng)價(jià)了2015—2021年遼河流域水安全情況，結(jié)果表明研究期間遼河流域水安全呈現(xiàn)出好轉(zhuǎn)趨勢(shì)，這與流域近年來(lái)實(shí)施一系列水生態(tài)修復(fù)工程相符，遼河流域生態(tài)治理取得顯著成效應(yīng)繼續(xù)保持。

2）FCM-LVQ模型可以有效避免評(píng)價(jià)結(jié)果受人為因素的干擾，具有收斂速度快、評(píng)價(jià)精度高且無(wú)需計(jì)算指標(biāo)權(quán)重的特點(diǎn)。實(shí)證分析表明，F(xiàn)CMLVQ模型的評(píng)價(jià)效果優(yōu)于BP和LVQ模型，可以為流域水安全評(píng)價(jià)提供一種新的途徑。

3）流域水安全評(píng)價(jià)的目標(biāo)是實(shí)現(xiàn)水環(huán)境改善、水污染防治、水生態(tài)修復(fù)以及水資源保護(hù)。因此，為了保障流域生態(tài)可持續(xù)發(fā)展應(yīng)進(jìn)一步完善管理方案，積極推進(jìn)當(dāng)前的生態(tài)治理對(duì)策使其向著更加穩(wěn)定的方向發(fā)展。