基于RBF神经网络的筑坝建库环境影响综合评价——以富岭水库为例

2016-12-23殷国仕周召梅

湖南水利水电 2016年2期

关键词：建库水电工程环境影响

刘　斌　殷国仕　周召梅

（湖南水利水电职业技术学院　长沙市　410131）

基于RBF神经网络的筑坝建库环境影响综合评价——以富岭水库为例

刘斌殷国仕周召梅

（湖南水利水电职业技术学院长沙市410131）

针对水电工程与社会、经济、生态、环境系统复杂的关系，选用PSR概念模型建立指标体系，构建了基于RBF的神经网络模型。以2014年为评价水平年，对富岭水库的环境影响进行评价。根据训练好的神经网络，输入评价指标，计算得出评价指数为0.379。结果表明：生态环境影响处于四级，总体为负效应，但影响程度较小。

筑坝建库神经网络环境影响综合评价

在河流上筑坝建库是人类开发利用水资源，控制河流对人类危害的一项重要活动。水库工程在防洪、灌溉、发电、供水、养殖及改善航运条件等方面发挥了巨大作用，但在河流上建设水库，通过对河流通道的阻隔、水库淹没、人为径流调节等人工干预，改变了河流的各种循环模式，破坏了河道原有的生态系统，影响了河道的生态功能，并对周边生态系统工程产生负面影响。

现行的环境影响评价多采用单因子法、综合指数法、主成分分析法、层次分析法等，这些方法在指标权重的确定上仍具有很大的主观性。人工神经网络具有自组织、自适应、自学习和容错性等优良性质以及复杂的并行分布处理能力，因而能够从具体的学习样本出发，获得基于客观的权重。人工神经网络已被用于水质评价、大气质量评价、安全评价等应用中，但在筑坝建库的宏观环境影响评价中还未采用。本文在对评价指标及评价标准的研究基础上，采用RBF神经网络对筑坝建库的水电工程生态环境影响进行定量评价探索。

1　评价指标体系的构建

1.1构建原理

水电工程生态环境影响研究所面对的是一个涉及社会、经济、生态、环境的纷繁复杂的大系统，在这个系统内既有自然因素的影响，又有社会、经济、文化、传统等因素的影响。

针对水电工程与社会、经济、生态、环境系统复杂的关系，为满足水电工程管理与水资源保护管理和决策要求，选用PSR概念模型来建立指标体系。“压力（Pressure）─状态（State）─响应（Response）”概念模型是国际上流行的指标体系，简称PSR模型。基于PSR的指标体系充分考虑了水电工程建设对生态环境的破坏和改善的双重效果，在评价过程中包含了经人类活动影响带来的生态修复的作用，全面反映了对生态环境的影响，具有真实性、系统性和准确性。

借鉴压力-状态-响应这一思路，分析研究其在各领域的运用案例，根据水电工程生态环境影响的特点，建立起指标体系的具体框架，形成水电工程生态环境影响综合评价的PSR概念模型框架图（图1）。

图1　水电工程生态环境影响评价的PSR概念模型框架

1.2评价指标体系构建

在PSR模型中，压力指标体系表征人类修建水电工程对最初的自然条件变化和社会经济而引起的压力，状态指标体系表征受影响的自然生态环境系统中各因素的状态或趋势，响应指标体系表征人类在改善生态环境的行为。

评价指标选取的依据主要从体系的完整性、正确性、可行性入手，在不失全面的情况下，尽量减少体系中指标的个数，注重指标的影响评价功能，选择和确定评价指标。指标详见表1。

表1　筑坝建库生态环境影响综合评价指标体系

2　筑坝建库环境影响评价模型

2.1评价水平年确定

水电开发对环境带来的影响是动态变化的，建库前、施工过程中和建库后，生态环境都在不断变化，因此针对环境影响的评价需要确定评价水平年，选择一个具有代表性的年份进行环境影响评价。对于评价水平年的选择可以选：①工程修建前；②工程投产后；③工程运行若干年后。

2.2评价区域和层次确定

流域生态系统是一个复合的大系统，梯级水电开发对系统的影响广泛而深刻，自然环境、社会环境的差异，导致工程对环境影响区域各点各块的影响程度和性质上存在差异。水利工程环境影响的范围包括库区、上游段、下游段及周围区域等。

按照层次分析方法，根据评价对象各组成部分之间的相互关系，将其归纳为下列层次结构体系：

目标层，以水电工程对生态环境影响综合评价指数为目标层，以综合表征生态环境影响态势；准则层，以生态环境影响内部具有逻辑关系的筑坝建库压力、生态环境状态和工程生态环境响应作为准则层的评判依据；指标层，是指标体系中最基本的层面，即评价要素有哪些具体指标来表达。

2.3基于RBF的神经网络模型

径向基函数神经（Radial Basis Function，缩写成RBF）网络简称径向基网络，是由J.Moody和C. Darken于20世纪80年代末提出来的一种神经网络结构，它是具有单隐含层的3层前馈神经网络。目前已经证明，径向基网络能够以任意精度逼近连续函数。

径向基网络输入层节点只传递输入信号到隐含层,隐含层节点由像高斯函数那样的辐射状作用函数构成,而输出层节点通常是简单的线性函数。径向基网络传递函数的原型函数为：radbas（n）=e-n2。

隐含层每个神经元与输入层相连的权值向量w1i和输入向量Xp（表示q个输入向量）之间的距离乘上阈值b1i作为本身的输入。

由此可以得到隐含层的第i个神经元的输入

径向基函数的阈值b1可以调节函数的灵敏度，但在实际应用中使用扩展系数C。b1和C的关系有多种确定方法，在MATLAB神经网络工具箱中，b1和C的关系为b1i=0.8326/Ci。不难看出，C值的大小实际上反映了输出对输入的响应宽度。C值越大，隐含层神经元输入向量的响应范围越大，而且神经元之间的平滑度也较好。

输出层的输入为各层神经元输出的加权求和。由于传递函数为纯线性函数，因此输出算式为：

在RBF网络的学习之前，需要提供输入向量X、对应的目标向量T与径向基函数的扩展常数C。学习的目的是求取两层的最终权值w1、w2和阈值b1、b2。

本文的神经网络通过MATLAB6.5软件系统的神经网络工具箱来实现。应用径向基网络算法建立筑坝建库生态环境影响综合评价模型按照如图2进行。

图2　筑坝建库生态环境影响综合评价模型RBF算法流程图

3　富岭水库环境影响评价

3.1项目概况

富岭水库位于浏阳市沿溪镇，大溪河一级支流大光河中游，大光河属于浏阳河支流大溪河的一级支流，发源于浏阳市次高峰，海拨1 600 m的连云山脉，流域面积为74.2 km2，河道长26 km，流经大光河、三合口，于沿溪镇汇入大溪河。

富岭水库正常蓄水位为190.0 m（黄海高程，下同），设计水位为192.2 m，校核水位为192.7 m，防洪限制水位为184.5 m，防洪高水位为192.2 m，死水位为171 m；总库容为1 311万m3，死库容为184万m3，防洪库容为535万m3。

3.2评价指标体系的选取和评价标准的确定

由于指标体系中的各项评价指标的类型复杂，单位存在差异，难以进行比较和综合分析，因此，需要对各指标进行量化，即无量纲处理，并划分成11级，然后根据它们对生态环境影响的大小，对每级给定标准化分值，取值设定在-1.0～1.0之间，见表2。标准的制定需要进行敏感性分析，并应以国家标准、行业标准、其它国际标准和已取得的研究成果等为参照值，通过专家咨询，研究得出具体指标的划分评价标准。

3.3评判标准的确定

将筑坝建库生态环境影响指数划分为五级：

一级，工程对生态环境影响大，综合指数为± 0.8～±1.0；二级，工程对生态环境影响较大，综合指数为±0.6～±0.8；三级，工程对生态环境影响中等，综合指数为±0.4～±0.6；四级，工程对生态环境影响较小，综合指数为±0.2～±0.4；五级，工程影响小，即筑坝建库对生态环境几乎没有影响，综合指数为±0.2～0.2。

其中，如果结果为负，则为负影响，即为不利影响大于有利影响；如果结果为正，则为正影响，即为有利影响大于不利影响。

3.4基于RBF的神经网络应用

（1）样本数据的预处理。

①生成随机数据。由于人工神经网络评价模型需要大量的数据来进行网络学习训练，但水电工程的生态环境影响评价研究缺少大量的资料供我们使用。为了提高训练精度，对标准类别进行有限次内插，从而增加训练样本。本次采用在评价分级标准范围内产生随机数的方法来获取训练样本。利用MATLAB的数学工具，产生了10组随机数。