基于MIV-BP型的喀斯特地區水資源安全影響因素分析

劉麗穎, 官冬杰, 楊清偉, 蘇維詞

(1.重慶交通大學 河海學院, 重慶 400074; 2.重慶工商大學 數學與統計學院, 重慶 400067; 3.重慶交通大學 建筑與城市規劃學院, 重慶 400074; 4.重慶師范大學 地理與旅游學院, 重慶 400047; 5.貴州科學院 山地資源研究所, 貴州 貴陽 550001)

綜合研究

基于MIV-BP型的喀斯特地區水資源安全影響因素分析

劉麗穎1,2, 官冬杰3, 楊清偉1, 蘇維詞4,5

(1.重慶交通大學 河海學院, 重慶 400074; 2.重慶工商大學 數學與統計學院, 重慶 400067; 3.重慶交通大學 建筑與城市規劃學院, 重慶 400074; 4.重慶師范大學 地理與旅游學院, 重慶 400047; 5.貴州科學院 山地資源研究所, 貴州 貴陽 550001)

[目的] 分析喀斯特地區水資源安全的影響因素及其影響趨勢，提出促進喀斯特地區水資源安全的措施與建議。[方法] 采用貴州省近10 a的數據，建立BP型網絡模型計算平均影響值(mean impact value, MIV)，對其影響因素進行實證分析。[結果] 地下水供水比例、工業用水率、水資源利用率、人均糧食產量以及產水模數是水資源安全的阻礙因素。其中產水模數的影響程度呈現波動中逐年遞減趨勢，其余4個阻礙因素影響程度均顯示逐年增強；工業固廢綜合利用率、工業廢水排放達標率、中度以上石漠化面積比、單位GDP需水量以及地下水開發利用程度共同構成了水資源安全的驅動因素。從時間順序來看，單位GDP需水量和地下水開發利用程度的影響趨于穩定，中度以上石漠化面積比因子對水資源安全影響越來越顯著。工業廢水排放達標率的影響逐年減弱，而工業固廢綜合利用率的影響情況波動比較大。[結論] 模型計算表明，MIV-BP模型在喀斯特地區水資源安全影響因素研究方面具有一定的現實可行性。

喀斯特地區; 水資源安全; MIV; BP神經網絡; 影響因素

水資源安全問題在國內外已有一些初步的研究成果，但尚屬于起步階段。目前國內外對水資源安全沒有明確的、系統的、有影響力的定義[1-2]。就其本質來講，水資源安全是指一個國家或者區域的水資源，在一定的歷史階段下，能夠滿足社會與經濟發展對水的5個層次(飲水保障、防洪安全、糧食供給、經濟發展和生態環境)上的需求。這里強調了保障的概念，即水資源安全主要是指在保持生態環境良性循環的前提下，水資源對經濟發展和人民生活的保障程度，保障程度越高就越安全，同時也包含了水資源安全可包容性、可控制性和可預測性。

水資源安全影響因素的綜合分析是水資源安全評價指標體系構建的必要基礎和首要難題。目前，國內外學者對水資源安全影響因素的研究主要集中在水資源、社會經濟、生態環境3個方面?，F有的研究方法主要是借鑒了水資源可持續發展的研究思路，有壓力—狀態—響應模型[3]、水足跡法[4]、專家系統法[5]、多層次結構分析法[6]、歸納總結法[7]、“社會—經濟—環境”復合系統法[8]等。研究角度不同，水資源安全評價指標體系的建立有所差異。綜合看來，水資源安全的評價指標體系研究取得了豐富的理論成果，但也存在著一些問題： ①指標選擇主觀化。影響水資源安全的因素錯綜復雜，一些主觀性的評價指標定性分析不能夠科學反映水資源安全的客觀現實性。 ②指標選擇的全面性、代表性和簡練性的兼顧問題。 ③水資源安全影響因素眾多，影響程度和變化趨勢并不確定,指標權重依賴專家經驗，難以客觀反映水資源系統的不確定性和非線性。

由于喀斯特地區有著復雜的水文地質、地貌和生態環境條件、多種水資源賦存類型以及由此導致的“工程性”缺水等問題，使其流域空間結構、水系發育規律、水文動態等方面表現出與常態流域的巨大差異。因此，本研究擬以典型喀斯特地區——貴州省為研究對象，選取2005—2014年的數據，采取MIV(mean impact value)算法對BP(back-propagation neural network)神經網絡模型進行變量篩選的網絡優化,構建MIV-BP模型,實證分析各影響因素對喀斯特地區水資源安全的影響程度和變化趨勢，為促進喀斯特地區水資源安全利用和生態環境建設提供對策與建議。

1 研究區概況

貴州省位于中國西南的東南部，介于東經103°36′—109°35′、北緯24°37′—29°13′，全省總面積1.761×105km2，平均海拔在1 100 m左右，位于副熱帶東亞大陸的季風區內，氣候類型屬中國亞熱帶高原季風濕潤氣候。貴州是一個以山地為主的省份，據統計全省山地面積約占75.1%。丘陵面積約占23.6%。全省河長大于10 km、流域面積大于20 km2的河流有984條，全省江、河、湖、庫水域面積1 845 km2，約占全省面積的1%。全省水資源總量豐富，多年平均降水量1 100～1 300 mm，地表水資源量超過1.20×1011m3。由于巖溶發育強烈，水資源滲漏嚴重，人均占有量目前略高于全國平均水平，但可利用量低于全國平均水平。

2 研究方法

2.1 變量選擇

水資源安全是一個開放的、相互關聯的生態安全系統。因此，須將水資源安全看成一個有機整體，從系統的角度對其進行研究。通過對水資源安全內涵的分析，我們將水資源安全系統分為5個子系統：水環境子系統、社會子系統、經濟子系統、生態子系統和人文(水資源管理與政策調控)子系統。這5個子系統的共同聯動，交互作用、互相影響構成了處于動態變化中的水資源安全系統。為實現水資源總體安全，每一個子系統應該達到各自的安全狀態，同時必須通過各系統間的良性互動，最終實現最高層次的水資源安全。

結合喀斯特地區實際情況，以人均用水量為因變量衡量水資源安全的狀態，以5個子系統聯合反映喀斯特地區水資源安全的整體屬性，建立一個較全面的、有層次性的候選指標庫(表1)。

表1 喀斯特地區水資源安全評價指標庫

2.2 數據來源及處理

研究數據主要來源于2005—2014年《貴州省水資源公報》《貴州省環境狀況公報》《貴州省統計年鑒》以及《貴州省國民經濟和社會發展統計公報》。首先對數據進行歸一化處理以消除數據量綱。本文采用最大最小法對數據進行歸一化處理，計算公式為：

式中：Xmax和Xmin——數據序列最大值和最小值；Xij——指標的實際觀察值。

2.3 模型原理

2.3.1 BP神經網絡模型原理 誤差反向傳播網絡(BP)是一種非線性映射人工神經網絡。該網絡的主要特點是信號前向傳遞，誤差反向傳播。在前向傳遞中，輸入信號從輸入層經隱含層逐層處理，直至輸出層。每一層的神經元狀態只影響下一層神經元狀態。如果輸出層得不到期望輸出，則輸入反向傳播，根據預測誤差調整網絡權值和閾值，從而使BP神經網絡預測輸出不斷逼近期望輸出。

人工神經網絡具有廣泛的自適應性和泛化能力，在理論上可以逼近任何非線性關系。它通過對有代表性的樣本自學習、自適應，能夠掌握事物的本質特征，能有效解決水資源系統中的非線性模糊問題，從而避開其他方法尋求水資源與社會經濟系統之間耦合關系的困難，對水資源安全易于做出客觀正確的評價。目前，人工神經網絡已在水環境質量評價[9]、水質評價[10]、土地生態安全評價[11]、水環境承載力評價[12]等方面得到了廣泛應用，但將其應用于水資源安全評價研究和喀斯特地區的甚少。

在水資源可持續利用方面，楊秀英等[13-14]構建BP神經網絡對貴陽市以及陜西關中地區進行了水資源承載力的評價。宋松柏等[15]提出了區域水資源可持續利用評價的人工神經網絡模型,并進行了實例研究，得到了較好效果。張先起等[16]結合云南省水資源的實際狀況,建立了有針對性的水資源可持續利用程度評價指標體系,利用自組織神經網絡自組織、自適應的聚類功能,對云南省及各地區水資源可持續利用程度進行了聚類分析。所以探討人工神經網絡理論在水資源系統中的應用有著一定的理論意義，采用人工神經網絡方法對喀斯特地區水資源安全問題進行研究有較強的可行性。

2.3.2 MIV-BP 模型原理 對水資源安全的評價，需要盡可能從指標庫中選出代表性最強的指標，并歸為要求的指標體系中，將作用效果不顯著的指標排除在外。平均影響值MIV被認為是在神經網絡中評價各指標之間相關性的最好算法之一[17]。因此，本研究應用BP神經網絡模型和MIV算法，找到對水資源安全有較大影響的輸入項，繼而分析各指標影響度的變化趨勢。

首先對BP神經網絡進行網絡訓練，仿真輸出，訓練完成后，將訓練樣本P中每一個自變量分別在其原值的基礎上分別加和減10%構成2個新的訓練樣本P1和P2，將P1和P2分別作為仿真樣本利用已建成的網絡進行仿真，得到2個仿真結果A1和A2，計算A1，A2的差值，即為變動該自變量后對輸出因變量產生的影響變化值(impact value，IV)。將IV按觀測例數平均得出該自變量對于因變量預測輸出的平均影響值(MIV)，按照上述步驟依次算出各個自變量的MIV值，最后根據MIV絕對值的大小對各變量進行排序，從而判斷出輸入參數對于網絡輸出變量的影響程度。

2.4 MIV-BP 網絡訓練

網絡的輸入神經元個數為30，輸出神經元個數為1，經過訓練對比得出隱含層神經元個數為7時網絡誤差最小，因此神經網絡結構設定為3層神經網絡。最大訓練次數設定為5 000,學習速率設定0.05,目標誤差設為0.000 1。

創建網絡:net=newff(minmax(p),[7,1],{′tansig′,′purelin′},′traingdm′)；網絡的目標輸出為:IV值。對輸入輸出數據進行歸一處理后，BP神經網絡只經過2 583次訓練,神經網絡均方差的值都非常接近1,誤差已經達到目標誤差0.000 1，誤差結果滿足訓練要求。因此該神經網絡對于訓練數據有非常好的擬合度,經過訓練后的網絡對訓練數據的預測效果較好。根據訓練好的BP神經網絡仿真預測數據的輸出結果，計算MIV值。

3 結果與分析

3.1 不同指標對水資源安全的影響程度分析

各指標對喀斯特地區水資源安全的影響重要程度依其絕對值大小進行排序(如表2所示)。

表2 喀斯特地區水資源安全影響因素MIV值及排序

注:指標MIV值為“+”表明對水資源安全偏離度增加有正向效應；反之，為負向效應。

(1) 喀斯特地區水資源系統安全的主要影響因素。在影響喀斯特地區水資源安全的諸多因素中,占有重要地位(MIV絕對值大于0.01)的指標分別為水環境子系統：地下水供水比例、水資源利用率、地下水開發利用程度、地表水開發利用程度、產水模數、年平均降雨量；社會子系統：城鎮化率、城市污水處理率、人均糧食產量、廢水排放總量；經濟子系統：單位GDP需水量、工業廢水排放達標率、工業固廢綜合利用率、農業灌溉單位面積用水量、工業用水率；生態子系統：中度以上石漠化面積比、水土流失面積比率；人文子系統：環保投入占GDP比重。由于MIV絕對值越大,則該影響因素對喀斯特地區水資源安全的作用程度越大,反之越小。因此,由MIV值絕對值大小排序后的指標所在子系統可以看出：水環境子系統和經濟子系統的影響遠大于生態子系統和人文子系統對喀斯特地區水資源安全的影響，而社會子系統介于兩者之間。

(2) 喀斯特地區水資源安全的阻礙因素。根據表2，著重分析對喀斯特地區水資源安全影響效果顯著的前10個指標，其中地下水供水比例、工業用水率、水資源利用率、人均糧食產量及產水模數對水資源安全系統偏離度貢獻顯著,其每增加一個標準差單位,對水資源系統安全的偏離度的正向貢獻分別為0.043 6，0.022，0.018 9，0.018 5，0.015。這5個指標是近年來貴州省喀斯特地區水資源安全的主要障礙因素。

圖1 喀斯特地區水資源安全的障礙因素

結合圖1可以看出這5項指標數據在波動中呈現向不利于水資源安全的趨勢。

(3) 喀斯特地區水資源安全的驅動因素。如圖2所示，2005—2014年，貴州省工業固廢綜合利用率從34.1%上升至56.9%，工業廢水排放達標率從67.7%上升至89.5%，中度以上石漠化面積比從20.39%下降至17.16%，單位GDP需水量從509 m3/萬元下降至103 m3/萬元,地下水開發利用程度從3.18%下降至0.95%。工業固廢綜合利用率、工業廢水排放達標率、中度以上石漠化面積比、單位GDP需水量和地下水開發利用程度共同構成了水資源系統安全的驅動因素。其每降低或增加0.1個標準差單位,對降低偏離度的貢獻依次為0.032 8，0.027 7，0.021 4，0.019 4及0.016 2。

圖2 喀斯特地區水資源安全的驅動因素

3.2 喀斯特地區水資源安全影響因素動態變化分析

按照時間順序，匯總計算喀斯特地區水資源安全影響因素各年份MIV值(表3)，觀察各因素影響程度的變化趨勢?？λ固氐貐^水資源安全影響阻礙因素和驅動因素的年度MIV值的絕對值變化如圖3所示。

阻礙因素中，產水模數的影響程度呈現波動中逐年遞減趨勢，其余4個阻礙因素影響程度不斷增強；驅動因素中，單位GDP需水量和地下水開發利用程度的影響程度趨于穩定，中度以上石漠化面積比因子對水資源安全影響程度越來越顯著。工業廢水排放達標率的影響逐年減弱，而工業固廢綜合利用率的影響情況波動比較大。

表3 喀斯特地區水資源安全影響因素年度MIV值

4 討論與建議

水資源開發利用模式是喀斯特地區水資源安全的主要影響因素之一。對喀斯特地區水資源安全的影響較大的因素有地下水供水比例、地下水開發利用程度、水資源利用率以及產水模數。這是由于喀斯特地區特殊的地形條件，天然水資源總量大，但可利用量嚴重不足。山區控制性水利工程建設滯后，工程性缺水問題嚴重。地表水資源調控能力弱，地表水開發利用不足，開發利用方式單一。

經濟的迅速發展對喀斯特地區水資源安全影響顯著。從MIV-BP模型結果可以得到，工業用水率、工業固廢綜合利用率、工業廢水排放達標率、和單位GDP需水量這4個因子對喀斯特地區水資源安全影響較大。分析其原因，現階段貴州省主導工業多是資源環境消耗較大的資源型工業，主要以勞動密集型產業、傳統產業為主，而高新產業和輕工業比重較小。工業生產的迅速發展，使排污量增加，工業用水量日益增加，從而對水資源安全產生消極影響。

根據結果分析，本研究對喀斯特典型區域貴州省水資源安全有如下建議：

(1) 綜合利用各種水資源,實現喀斯特地區水資源的綜合開發。合理并有效的開發喀斯特地區地下水是確保該地區水資源安全的重點?？λ固氐貐^地下水穩定性差、開發利用成本高，而且地下水分布和需水區域不協調，可開發量小，同時地下水開采也關系到水生態環境問題。針對這些問題，保護貴州省巖溶山區地下水資源，確保地下水有序開發、合理開發，加強地下水水質管理，從而提高喀斯特地區地下水資源開發的成功率和利用率，減小地下水資源開發的消極影響。此外，今后應突破單一開發利用喀斯特地下水資源的思路,充分利用該地區豐富的降水資源,促進水資源的綜合利用。

(2) 調整產業結構和經濟結構，提高水資源利用效率。從以上的分析可以看出，喀斯特地區水資源安全伴隨著經濟，特別是工業的迅速發展而呈現較大壓力。在今后的發展中，調整貴州產業結構，選擇合適的主導工業，并明確工業發展方向，有利于實現水資源的最優配置與最小消耗。同時扶持企業提高水循環利用率，強化企業的節水意識，積極推進資源節約型企業建設，促進水資源與經濟社會的協調發展。

(3) 減少石漠化面積，提高表層巖溶帶的調水和蓄水功能。近年來貴州省中度以上石漠化面積比重逐年下降，水土流失面積不斷減少，這些都對水資源安全利用產生了積極的作用。繼續加強喀斯特地區水土流失的治理，恢復植被，減少石漠化面積，重建良性的生態環境,是解決喀斯特地區水資源短缺的一條重要途徑。

5 結 論

(1) 在影響喀斯特地區水資源安全的諸多因素中，地下水供水比例、工業固廢綜合利用率、工業廢水排放達標率、工業用水率、中度以上石漠化面積比、單位GDP需水量、水資源利用率、人均糧食產量、地下水開發利用程度以及產水模數對喀斯特地區水資源安全的影響程度較大。從指標分類來看，水環境子系統和經濟子系統的影響遠大于生態子系統和人文子系統，而社會子系統介于兩者之間。因此，喀斯特地區的水資源的整體狀態和經濟發展水平是影響水資源安全的主要因素。

(2) 地下水供水比例、工業用水率、水資源利用率、人均糧食產量以及產水模數是水資源安全的阻礙因素。其中產水模數影響程度呈現波動中逐年遞減的趨勢，其余4個阻礙因素均顯示其影響程度逐年增強。

(3) 工業固廢綜合利用率、工業廢水排放達標率、中度以上石漠化面積比、單位GDP需水量以及地下水開發利用程度共同構成了水資源安全的驅動因素。從時間順序來看，單位GDP需水量和地下水開發利用程度得影響程度趨于穩定，中度以上石漠化面積比因子對水資源安全影響程度越來越顯著。工業廢水排放達標率的影響逐年減弱，而工業固廢綜合利用率的影響情況波動比較大。

(4) 由于MIV-BP神經網絡本身的缺點是參數比較多,靈活性較大，所以需要經過多次訓練才能得到較好的預測模型。此外,MIV-BP神經網絡模型得出的結果只說明了各影響因素對喀斯特地區水資源安全影響程度的相對大小,對于各影響因素如何影響喀斯特地區水資源安全,與喀斯特地區水資源安全的正負相關性還需要通過進一步分析得出。

[1] 張翔,夏軍,賈紹鳳.水安全定義及其評價指數的應用[J].資源科學,2005,27(3):145-149.

[2] 邱德華.區域水安全戰略的研究進展[J].水科學進展,2005,16(2):305-312.

[3] 張翔,夏軍,王富永.基于壓力—狀態—響應概念框架的可持續水資源管理指標體系研究[J].城市環境與城市生態,1999,12(5):23-25.

[4] 張斌,黃顯峰,方國華,等.基于水足跡理論的連云港市水資源安全評價[J].中國農村水利水電,2012(6):61-64.

[5] 吳開亞,金菊良,魏一鳴,等.基于指標體系的流域水安全診斷評價模型[J].中山大學學報:自然科學版,2008,47(4):105-113.

[6] 韓宇平,阮本清.區域水安全評價指標體系初步研究[J].環境科學學報,2003,23(2):267-272.

[7] 王在高,梁虹.巖溶地區水資源承載力指標體系及其理論模型初探[J].中國巖溶,2001,20(2):144-148.

[8] 夏軍.水資源安全的度量:水資源承載力的研究與挑戰(2)[J].海河水利,2002,17(3):3-7.

[9] 楊芳,原松.基于BP神經網絡的水環境質量評價模型的研建[J].人民長江,2008,39(23):46-48.

[10] 倪深海,白玉慧. BP神經網絡模型在地下水水質評價中的應用[J].系統工程理論與實踐,2000,20(8):124-127.

[11] 李明月,賴笑娟.基于BP神經網絡方法的城市土地生態安全評價:以廣州市為例[J].經濟地理,2011,31(2):289-293.

[12] 楊麗花,佟連軍.基于BP神經網絡模型的松花江流域(吉林省段)水環境承載力研究[J].干旱區資源與環境,2013,27(9):135-140.

[13] 楊秀英,梁虹.基于人工神經網絡模型的喀斯特地區枯水資源承載力評價:以貴陽市為例[J].貴州師范大學學報:自然科學版,2006,24(4):37-41.

[14] 楊秀英,韓晨.基于BP神經網絡模型的區域水資源承載力評價：以陜西省關中地區為例[C]∥Proceedings of 2010 International Conference on Remote Sensing(ICRS 2010) Volume 4. 2010.

[15] 宋松柏,蔡煥杰.區域水資源可持續利用評價的人工神經網絡模型[J].農業工程學報,2004,20(6):89-92.

[16] 張先起,劉慧卿,梁川.云南水資源可持續利用程度評價的自組織神經網絡模型[J].長江流域資源與環境,2007,16(4):456-460.

[17] 王小川.MATLAB神經網絡43個案例分析[M].北京:航空航天大學出版社,2013.

InfluenceFactorsofWaterResourceSecurityinKarstAreaBasedonMIV-BPModel

LIU Liying1,2, GUAN Dongjie3, YANG Qingwei1, SU Weici4,5

(1.CollegeofRiverandOceanEngineering,ChongqingJiaotongUniversity,Chongqing400074,China; 2.CollegeofMathematicsandStatistics,ChongqingTechnologyandBusinessUniversity,Chongqing400067,China; 3.CollegeofArchitectureandUrbanPlanning,ChongqingJiaotongUniversity,Chongqing400074,China; 4.CollegeofGeographyandTourism,ChongqingNormalUniversity,Chongqing400047,China; 5.InstituteofMountainResources,GuizhouAcademyofSciences,Guiyang,Guizhou550001,China)

[Objective] This paper illustrated the influencing factors of water resource security and its evolution trend aimed to put forward some suggestions about the water resource security in Karst area. [Methods] Based on the data of Guizhou Province in the past ten years, this paper established a BP network model and applied the mean impact value(MIV) algorithm method to analyze the influencing factors of the water resource security in Karst area. [Results] The groundwater supply ratio, the industrial water use proportion, water use efficiency, per capital grain yield and water yield modulus were the obstacles to the development of water resources system. The influencing degree of water yield modulus was decreasing year by year, while the other four factors showed increasing trends. Comprehensive utilization rate of industrial solid waste, the attainment rate of the industrial waste water, the ratio of moderate rocky desertification area, water requirement per-unit GDP and exploitation degree of groundwater were the driving factors. In chronological order, the influence of water requirement of per-unit GDP and exploitation degree of groundwater were stable, while the ratio of moderate rocky desertification area was more and more pronounced. The impact of the attainment rate of the industrial waste water decreased year by year, while comprehensive utilization rate of industrial solid waste fluctuated greatly. [Conclusion] The MIV-BP model is feasible in studying influencing factors of water resource security in karst area.

karstarea;waterresourcesecurity;MIV;BPneuralnetwork;influencefactors

A

1000-288X(2017)05-0128-07

P933

文獻參數： 劉麗穎, 官冬杰, 楊清偉, 等.[J].水土保持通報，2017,37(5)：128-134.

10.13961/j.cnki.stbctb.2017.05.022； Liu Liying, Guan Dongjie, Yang Qingwei, et al. Influence factors of water resource security in Karst area based on MIV-BP model[J]. Bulletin of Soil and Water Conservation, 2017,37(5)：128-134.DOI:10.13961/j.cnki.stbctb.2017.05.022

2017-02-08

2017-03-12

國家科技計劃項目“喀斯特地下水賦存條件及監測技術研究”(2014BAB03B01); 國家社科基金后期資助項目(16FJY010); 貴州喀斯特山區水資源環境系統服務功能創新科技人才團隊”(黔科合人才團隊[2014]4014);重慶工商大學2015年校級科研項目(670101577)

劉麗穎(1982—),女(漢族),遼寧省遼陽市人,博士研究生,講師,主要從事水資源與可持續發展研究。E-mail:lly@ctbu.edu.cn。

官冬杰(1980—),女(漢族),黑龍江省富錦市人,博士,教授,博士生導師,主要從事城市空間格局演化、土地利用預測、生態模擬與環境評價、“3S”技術應用等方面的研究工作。E-mail:guandongjie_2000@163.com。