王 婧，靳春玲，貢 力,2，逯曄坤，朱桂勇

(1.蘭州交通大學 土木工程學院，甘肅 蘭州 730070；2.蘭州交通大學調(diào)水工程及輸水安全研究所，甘肅 蘭州 730070；3.水利部海河水利委員會引灤工程管理局，河北 遷西 064309)

1 研究背景

21世紀以來，我國社會已經(jīng)牢固樹立起保護生態(tài)文明的觀念。祁連山脈作為我國西部重要的生態(tài)安全屏障及生物多樣性保護優(yōu)先區(qū)域[1]，近些年來生態(tài)安全問題層出不窮，在社會上引起了廣泛關注。疏勒河流域作為祁連山脈內(nèi)流水系的一部分，其水安全問題直接影響著祁連山脈整體的生態(tài)安全，因此，對疏勒河流域水安全進行評價研究，對祁連山脈生態(tài)治理具有積極意義。

針對疏勒河流域水安全問題，我國學者已取得部分研究成果。如潘竟虎等[2]通過建立遙感綜合評價模型對疏勒河流域生態(tài)系統(tǒng)質(zhì)量進行了評價研究，得出疏勒河流域2001-2010年生態(tài)質(zhì)量處于較低水平；柳思等[3]通過EES模型建立了疏勒河土地生態(tài)安全評價指標體系，結合熵權物元模型計算得到2005-2014年疏勒河流域土地安全狀況仍然存在惡化風險；周蘇娥等[4]對甘肅省河西地區(qū)自然-社會系統(tǒng)的脆弱性進行了定量研究，結果得出疏勒河流域脆弱性最高，并提出自然適應能力、社會經(jīng)濟敏感性、自然敏感性和自然暴露度是影響脆弱性的關鍵因素；岳東霞等[5]運用遙感技術和GIS技術，對疏勒河流域近20年的生態(tài)承載力和生態(tài)需水量進行了分析，得出疏勒河流域生態(tài)承載力與生態(tài)需水量呈正相關的關系。這些研究成果不僅為祁連山脈內(nèi)陸水系水安全評價提供了可參考的模型及方法，同時也表明疏勒河流域水安全問題仍然并將長期存在，需要通過后續(xù)不斷地研究進行改善。

目前，運用學習向量量化(learning vector quantization，LVQ)網(wǎng)絡模型進行區(qū)域水安全評價研究的文獻較少，本文在既有研究的基礎上，通過建立祁連山脈水安全評價指標體系，運用模糊C-均值聚類(fuzzy C-means algorithm，F(xiàn)CM)算法優(yōu)化后的LVQ網(wǎng)絡模型對疏勒河流域水安全等級進行了評價，并與傳統(tǒng)神經(jīng)網(wǎng)絡的評價結果進行了對比。FCM-LVQ網(wǎng)絡模型不僅可以避免指標權重分配等人為因素的干擾，而且其結構簡單，運行速度快，對難以進行模式分類的變量也能取得比較滿意的結果，因此相比其他傳統(tǒng)評價方法[6-9]更加簡單易行。

2 數(shù)據(jù)來源與研究方法

2.1 研究區(qū)概況

祁連山脈地處于青海省東北部及甘肅省西部邊界地區(qū)，是我國境內(nèi)主要山脈之一，也是西北地區(qū)重要的生態(tài)蓄水中心，其生態(tài)安全直接關系到西北地區(qū)生態(tài)系統(tǒng)的穩(wěn)定。山脈自西北向東南走向由多條平行山脈與寬谷組成，海拔4 000～6 000 m，面積約2 062 km2。疏勒河是河西走廊三大內(nèi)陸河之一，發(fā)源于祁連山脈西段，總體地勢東高西低，生態(tài)環(huán)境較為脆弱。流域氣候類型為內(nèi)陸干旱性氣候，在這一氣候條件下流域內(nèi)普遍發(fā)育的地帶性土壤為棕漠土，植被主要為溫性荒漠植被類型。流域面積約為41 300 km2，年平均降水量約為47～63 mm，年蒸發(fā)量為2 897～3 042 mm，年平均氣溫為6.9～8.8 ℃，年水資源總量為11.34×108m3，其中：地表水資源總量為10.82×108m3；不重復的地下水資源總量為0.52×108m3。由于歷史原因造成的河西走廊斷陷，使得走廊低洼、鹽堿聚集、荒漠化嚴重。結合近年相關研究表明，疏勒河流域仍然存在著天然植被萎縮、草場退化、水土流失等一系列問題，需要進一步進行治理和完善。

2.2 數(shù)據(jù)來源

為保證研究數(shù)據(jù)真實有效，本文樣本數(shù)據(jù)取自《甘肅省水資源公報》《甘肅省水利發(fā)展統(tǒng)計公報》《甘肅省城鄉(xiāng)統(tǒng)計資料匯編》《酒泉市統(tǒng)計年鑒》等資料。通過統(tǒng)計各評價指標2013-2019年的數(shù)據(jù)作為測試數(shù)據(jù)，應用訓練好的FCM-LVQ網(wǎng)絡模型得到疏勒河流域水安全評價結果。

2.3 水安全評價指標體系及等級劃分標準

2.3.1 水安全評價指標體系 目前，國內(nèi)外還沒有形成一套通用的水安全評價指標體系，指標體系的合理構建直接關系到水安全評價結果的合理性與準確性。為了能更好地反映出祁連山脈內(nèi)流水系水安全狀況，本文在結合祁連山脈生態(tài)問題及疏勒河自身環(huán)境問題的基礎上，參考相關論文[10-13]及規(guī)范[14]，從水環(huán)境、水生態(tài)、水監(jiān)管、水治理4個方面建立了環(huán)境-生態(tài)-監(jiān)管-治理模型用于構建內(nèi)陸河流域水安全評價指標體系。得到環(huán)境安全和生態(tài)安全(各5個評價指標)及監(jiān)管安全和治理安全(各4個評價指標)共18個評價指標的水安全評價指標體系，具體評價指標及計算方法如表1所示。

表1 疏勒河流域水安全評價指標

2.3.2 評價指標等級劃分標準 結合國家相關標準及文獻資料[6-8]可知，安全級別常常被劃分為以下5個等級：非常安全、安全、基本安全、不安全、非常不安全，可分別用Ⅰ級、Ⅱ級、Ⅲ級、Ⅳ級、Ⅴ級表示。參考相關規(guī)范[14]及地區(qū)發(fā)展規(guī)劃要求值，結合前人研究成果[10-13]，得到各指標等級劃分標準，如表2所示。

表2 疏勒河流域水安全評價等級劃分標準

2.4 研究方法

2.4.1 模糊C-均值聚類算法(FCM) 模糊C-均值聚類[15]是根據(jù)模糊理論對數(shù)據(jù)進行聚類分析和建模的方法，通過對樣本類屬的不確定性描述，客觀反映數(shù)據(jù)間的類屬關系。其核心是通過將基于某種范數(shù)及聚類原型的目標函數(shù)最小化來達到數(shù)據(jù)分類的目的。設X={xj}(j=1,2,…,n)表示樣本集合，V={vi}(i=1,2,…,c)表示聚類中心，U={uij}為指標隸屬度矩陣，其中n為樣本個數(shù)，c為最優(yōu)聚類數(shù)目。FCM算法具體步驟[16-17]如下：

(1)由于聚類數(shù)目關系到最佳聚類結果，而依據(jù)人為經(jīng)驗設定聚類數(shù)目的方法過于籠統(tǒng)，因此本文通過信息熵[18]來確定最優(yōu)聚類數(shù)目c，當聚類數(shù)目劃分合理，數(shù)據(jù)點對某一類隸屬度越大時，則該類隸屬和非隸屬的信息熵之和H(k)就越小，即公式(1)的計算結果越小。

(1)

式中：k=cmin-1，當聚類數(shù)目k從最小值cmin增加到最大值cmax時，會產(chǎn)生cmax-cmin+1個H(k)值，其中最小的H(k)值所對應的聚類數(shù)目k即為最優(yōu)聚類數(shù)目c。

(2)設定最優(yōu)聚類數(shù)目c及模糊指數(shù)m；初始化聚類中心V(0)；設置收斂精度ε>0；令迭代次數(shù)l=0。

(3)設dij=‖xj-vi‖表示樣本點xj到聚類中心向量vi的距離，根據(jù)公式(2)修正指標隸屬度矩陣U(l+1)。

(2)

(4)根據(jù)公式(3)計算聚類中心V(l+1)，然后令迭代次數(shù)l=l+1。

(3)

(5)重復步驟(4)，直到符合如下條件：

‖V(l)-V(l-1)‖≤ε(l≥1)

(4)

2.4.2 LVQ神經(jīng)網(wǎng)絡模型 LVQ神經(jīng)網(wǎng)絡[19]是根據(jù)事先指定的目標分類結果，通過在網(wǎng)絡中的監(jiān)督學習來完成對輸入矢量的準確分類，其模型結構如圖1所示。由圖1可見，LVQ神經(jīng)網(wǎng)絡有競爭層和線性層兩個網(wǎng)絡層，網(wǎng)絡層的每一個神經(jīng)元的輸出均與一個分類(子分類或目標分類)結果相對應，競爭層在網(wǎng)絡學習中，得到S1類子分類結果；然后通過線性層再將S1類子分類結果分成S2類目標分類結果(S1>S2)。

圖1 LVQ神經(jīng)網(wǎng)絡模型結構

LVQ網(wǎng)絡算法[20-22]的計算步驟如下：

(1)設輸入向量為x=(xj)T(j=1,2,…,n)，wij為輸入向量層神經(jīng)元j與競爭層神經(jīng)元i之間的權值，初始化權值wij及學習速率η(η>0)。

(2)根據(jù)公式(5)計算競爭層神經(jīng)元與輸入向量間的距離di，S為競爭層神經(jīng)元個數(shù)。

(5)

(3)選擇最小di值的競爭層神經(jīng)元，將與其相連接的輸出層神經(jīng)元的類別記為Ci。

(4)記輸入向量對應的類別為Cx，神經(jīng)元i對應類別為Ci，若Cx=Ci，則神經(jīng)元i、j根據(jù)公式(6)進行權值修正，否則，根據(jù)公式(7)進行權值更新。

(6)

(7)

2.4.3 FCM-LVQ網(wǎng)絡模型 采用FCM-LVQ網(wǎng)絡模型對流域水安全進行評價的具體流程可用圖2水安全評價模型建立流程圖來表示。首先，對訓練樣本集通過FCM聚類將評價樣本劃分為不同類別，結合專家打分法對指標再次篩選獲得新的評價樣本，將這一經(jīng)過處理的樣本數(shù)據(jù)作為輸入矢量在LVQ神經(jīng)網(wǎng)絡中進行訓練，達到訓練精度要求后通過仿真模型驗證訓練效果。然后，對測試樣本集進行數(shù)據(jù)處理(方法同訓練樣本集)，利用訓練好的LVQ網(wǎng)絡獲得最終的水安全評價結果，并與傳統(tǒng)評價模型進行對比，以驗證評價模型的適用性。

圖2 水安全評價模型建立流程圖

FCM-LVQ網(wǎng)絡模型能夠避免指標樣本數(shù)據(jù)的冗余，提高LVQ神經(jīng)網(wǎng)絡的訓練速度，同時能夠防止數(shù)據(jù)降維過程中重要指標丟失，使評價結果與實際情況更相符。

3 結果與分析

3.1 FCM聚類分析

(1)對表2中的水安全評價各指標閾值采用插值法進行劃分，設定每兩組樣本數(shù)據(jù)對應水安全評價的1個分類級別，根據(jù)表2中的5類水安全分類級別，則可獲得10組插值數(shù)據(jù)，從而構成初始樣本矩陣P。

(2)根據(jù)前文2.4.1節(jié)中信息熵原理，得到信息熵H(k)隨聚類數(shù)目k的變化趨勢如圖3所示。由圖3可知，當k=2時熵值最小，因此，最優(yōu)聚類數(shù)目c取值為2。

圖3 信息熵H(k)隨聚類數(shù)目k的變化趨勢

(3)設最大迭代次數(shù)為200，目標函數(shù)的終止容限設為1×10-6，利用MATLAB中的zscore函數(shù)對樣本矩陣P進行標準化處理，再利用MATLAB中的fcm函數(shù)進行聚類分析，得到的聚類中心矩陣V及隸屬度矩陣U如下：

(4)對聚類結果進行再分析，結合專家打分法從兩類聚類樣本中篩選出最重要的評價指標構成新的樣本數(shù)據(jù)，最后形成如下10組用于實際LVQ網(wǎng)絡訓練的樣本矩陣P′。

3.2 LVQ神經(jīng)網(wǎng)絡訓練

(1)將得到的訓練樣本矩陣P′作為神經(jīng)網(wǎng)絡的輸入向量，與其對應的水安全級別作為訓練樣本的輸出向量C=[1 1 2 2 3 3 4 4 5 5]，利用MATLAB中的ind2vec函數(shù)將其轉化為網(wǎng)絡目標向量，再利用newlvq函數(shù)建立神經(jīng)網(wǎng)絡，其中：競爭層神經(jīng)元個數(shù)取為10，學習速率設為0.01，10組數(shù)據(jù)每兩兩輸出一個等級，各級分類百分比為20%。

(2)在建立的神經(jīng)網(wǎng)絡中輸入樣本數(shù)據(jù)，可得到如圖4所示的輸入向量及初始網(wǎng)絡權值，再通過MATLAB中的train函數(shù)對神經(jīng)網(wǎng)絡進行訓練，在達到精度要求后停止訓練，可得到輸入向量及訓練后的權值如圖5所示。從圖5中可以看出，訓練后的權值向量已經(jīng)具有了基本的模式分類能力。

圖4 輸入向量及初始權值

圖5 輸入向量及訓練后權值

(3)為了檢驗訓練完成后神經(jīng)網(wǎng)絡的網(wǎng)絡性能，利用MATLAB中的sim仿真函數(shù)仿真訓練樣本，將得到的仿真結果與期望輸出值進行比較，結果如表3所示。由表3可以看出，仿真輸出等級與期望輸出等級完全一致，說明該網(wǎng)絡模型已經(jīng)達到訓練要求。

表3 輸入樣本的仿真檢驗

(4)對測試數(shù)據(jù)進行分類分析后作為輸入矢量，在訓練好的LVQ神經(jīng)網(wǎng)絡中進行水安全等級評價，評價結果利用MATLAB中的vec2ind函數(shù)轉化為最終的目標向量。另外，分別使用LVQ網(wǎng)絡模型及BP網(wǎng)絡模型對疏勒河流域水安全等級進行評價(限于篇幅，具體計算未在此列出)，將FCM-LVQ網(wǎng)絡模型最終預測結果與LVQ網(wǎng)絡模型及BP網(wǎng)絡模型預測結果進行比較，結果如表4所示。

表4 3種模型對疏勒河流域水安全等級評價結果對比

4 討 論

(1)由表4可知，訓練完成后的FCM-LVQ網(wǎng)絡模型能夠?qū)y試數(shù)據(jù)進行準確地等級評定。從各年份評價結果來看，2013年疏勒河流域存在的不安全因素較多，評價結果為Ⅳ級，表現(xiàn)為不安全；2014-2016年存在一定的不安全因素，評價結果為Ⅲ級，表現(xiàn)為基本安全；2017-2019年存在的不安全因素較少，評價結果為Ⅱ級，表現(xiàn)為安全。研究時段內(nèi)流域水安全狀況整體呈逐漸上升的趨勢，這與疏勒河流域生態(tài)治理效果是相符的，也說明了該模型對疏勒河流域水安全評價結果的正確性。

(2)對比表4中3種評價模型所得出的評價結果可以看出，F(xiàn)CM-LVQ網(wǎng)絡模型得到的評價等級有Ⅱ、Ⅲ、Ⅳ 3種級別，LVQ神經(jīng)網(wǎng)絡和BP神經(jīng)網(wǎng)絡得到的評價等級只有Ⅱ、Ⅲ兩個級別，說明FCM-LVQ網(wǎng)絡模型評價結果等級劃分更加細致，評價結果更為精確。同時，在網(wǎng)絡運行中，F(xiàn)CM-LVQ網(wǎng)絡模型呈現(xiàn)出了更好的魯棒性和容錯性，也證明其優(yōu)于BP神經(jīng)網(wǎng)絡。

(3)對比表4中FCM-LVQ網(wǎng)絡模型與單純使用LVQ神經(jīng)網(wǎng)絡的評價結果可以發(fā)現(xiàn)，2013和2017年兩種模型的評價結果有所不同，且表現(xiàn)為FCM-LVQ網(wǎng)絡模型評價結果等級劃分更加明確。分析其原因可能是LVQ神經(jīng)網(wǎng)絡本身無法對樣本數(shù)據(jù)進行降維處理，樣本數(shù)據(jù)的冗余對LVQ神經(jīng)網(wǎng)絡的評價結果精度形成了干擾，使得最終評價結果精度不高。

(4)流域水安全保護是一項復雜且龐大的系統(tǒng)工程，涉及到多個區(qū)域及多個行業(yè)的共同合作，其終極目標是保護水資源、預防水污染、改善水環(huán)境以及修復水生態(tài)。目前，流域水安全評價已從最初的定性評價逐步發(fā)展為定性與定量相結合進行評價[23-27]，本文從疏勒河流域整體安全狀況出發(fā)，采用FCM-LVQ網(wǎng)絡模型對該流域水安全進行評價，根據(jù)評價結果判斷，得出疏勒河流域水安全狀況逐步好轉，說明近年來對疏勒河流域的治理是有效的，應當繼續(xù)保持并根據(jù)實際情況加以完善。

綜上可知，運用FCM-LVQ網(wǎng)絡模型對疏勒河流域水安全進行評價取得了良好的評價效果，結合近年來疏勒河流域生態(tài)恢復情況可知，采取正確的環(huán)境應對措施解決流域內(nèi)目前存在的水安全問題，對保證流域內(nèi)生態(tài)可持續(xù)發(fā)展及祁連山脈的生態(tài)安全具有積極意義。

5 結 論

(1)本文從內(nèi)陸河流域存在的主要生態(tài)問題與環(huán)境問題出發(fā)，通過環(huán)境-生態(tài)-監(jiān)管-治理模型構建了內(nèi)陸河流域水安全評價指標體系，利用FCM-LVQ網(wǎng)絡模型對疏勒河流域水安全進行評價，得出2013-2019年疏勒河流域水安全狀況呈現(xiàn)出穩(wěn)步上升的態(tài)勢，說明了當前疏勒河流域生態(tài)環(huán)境有逐步向好的趨勢。

(2)FCM-LVQ網(wǎng)絡模型無需計算評價指標權重，能夠避免人為因素對評價結果的影響，且具有評價結果精度高和收斂速度快的特點。在疏勒河流域水安全評價中，F(xiàn)CM-LVQ網(wǎng)絡模型評價效果明顯，更優(yōu)于單純使用LVQ神經(jīng)網(wǎng)絡模型和BP神經(jīng)網(wǎng)絡模型，是一種值得推廣的水安全評價模型。

(3)疏勒河流域的水安全影響著祁連山脈整體的生態(tài)安全，評價結果表明近年來疏勒河流域生態(tài)治理效果顯著，這也將直接促進祁連山脈的生態(tài)安全向著更穩(wěn)定的方向發(fā)展，因而應積極推行當前的生態(tài)治理措施，進一步完善管理方案，以保障流域內(nèi)生態(tài)可持續(xù)發(fā)展。