辽河流域水安全评价

杨 冶

（辽宁省鞍山水文局，辽宁 鞍山 114000）

全球气候变化导致水资源供应和水环境受到不同程度的影响，从而进一步加剧了水生态功能退化和水污染等问题。辽河流域横跨内蒙古、河北、辽宁、吉林四省(自治区)，流域内水安全问题突出，如何实现经济腾飞与水体保护双重目标，继续维持经济活力是现阶段亟待解决的问题[1]。

我国十四五规划明确提出要统筹安全与发展，实现水安全保障能力的全面提升。因此，从社会与自然双重角度分析辽河流域水安全，针对存在的问题探索适宜的发展对策，对实现流域可持续发展及生态保护极具现实意义。目前，广大学者越来越关注水的安全问题，从内容上多侧重于水生态文明、水安全的评价等方面，如苏聪文等从生态、节约、环境、监管等角度分析我国水生态文明整体状况；张楚等从宏观层面上探讨了长江存在的问题及其成因，指出城市化发展与水安全关系密切；薛昱等以广州市为例，从生态、经济、社会、水资源层面评价区域水安全水平[2-4]。从研究范围上大多侧重于城市、省域和区域水安全，从研究方法上以测算综合指数和构建评估体系为主，应用较广泛的方法有水贫穷指数法、功能系数法、熵权法、AHP法和模糊数学法等，如高媛媛等以泉州市为例，采用改进的层次分析法评价分析了区域水安全状况；刘秀丽等以京津冀地区为例，采用改进模糊综合法评价水环境安全程度；邵骏等以长江流域为例，应用水贫乏指数系统分析其水安全水平；梁缘毅等将熵权法与层次分析法相耦合评定了我国水安全风险等级，也有学者利用SPA-MC法、可拓云模型评价了水安全[5-8]。

目前，对流域水安全利用学习向量量化网络模型(LVQ)研究评价的较少，文章结合辽河流域水资源利用现状，从多个角度构建评估体系，对LVQ网络模型利用模糊C-聚类分析FCM法加以优化，并评价了辽河流域2015—2021年水安全状态，以期为流域水资源可持续利用提供科学依据。

1 研究方法

1.1 流域概况

辽河是我国东北地区重要的河流，流域面积广阔，具有丰富的水资源和生态环境。流域内地貌类型以冲击平原为主，地势平坦，土壤肥沃，适合农业发展。然而，由于过度的农业耕作和不合理的土地利用方式，导致水土流失问题日益严重。辽河流域内的森林覆盖面积相对较大，其中包括大片的天然林，在维护生态平衡和保护水源上发挥着重要作用，可以保持水土的保持能力和水质的安全。然而，受非法砍伐、过度放牧和人类活动的影响，导致天然植被的萎缩和退化，这不仅对生物多样性造成了威胁，也对水资源的保护和水生态系统的可持续发展带来了挑战。因此，需要采取积极措施来保护和恢复流域内的天然植被，如植树造林、退耕还林还草等。

近年来，随着农业、工业和城市化的发展，对水资源的需求不断增加。因此，为了满足农业灌溉和生活用水的需求，修建水库和水利工程成为必要的举措。柴河、清河等水库供水工程的建设，使得河道流量得到一定的调节和控制，确保了农业用水的供应，但水库对河流径流的调节，使得河流的自然水文特征发生改变，可能会对河流生态系统造成一定的影响。因此，需要在水资源利用和生态环境保护之间找到平衡，制定合理的水资源管理措施，以实现可持续发展。

1.2 数据来源

为确保评价结果的可靠性，研究使用辽宁省统计年鉴、水资源公报和水利发展统计公报等资料数据，FCM-LVQ模型的测试数据选择2015—2021年各指标数据，经训练学习评价辽河流域水安全状况。

1.3 评价指标体系

如何合理构建评价体系直接决定着水安全评价的准确性与可靠性，而当前尚未形成一套普遍适用的评价体系[9]。因此，为更加直观地反映辽河流域水资源现状，结合流域水生态、水环境问题及相关研究资料，从水治理、水监管、水生态和水环境的角度建立适用于辽河流域的水安全评价体系见表1。

表1 辽河流域水安全评价体系及等级划分

1.4 等级划分标准

根据地区发展规划要求及相关文献资料，将流域水安全划分为非常不安全(Ⅴ级)、不安全(Ⅳ级)、基本安全(Ⅲ级)、安全(Ⅱ级)、非常安全(Ⅰ级)5个等级，相应的水安全参评指标等级见表1。

1.5 评价方法

1）模糊C-均值聚类FCM算法。这是一种经典聚类算法，它将每个数据点分配到一些群体中，即假定每个数据点都属于不同程度的每个群体，从而获得更好的群体划分。FCM算法的计算流程如下：

步骤1：首先设定聚类数量k和模糊m值，初始化聚类中心向量c1，c2，…，ck，可以使用随机数或者其他启发式方法进行初始化。同时，定义一个矩阵Un×k，其中n为数据点数量。U矩阵的每一个元素ui，j表示第i个点属于第j个聚类的模糊隶属度。初始时，可以将U矩阵随机初始化或设置为一定的初始化值。

步骤2：根据中心向量和隶属度，计算每个数据点到每个聚类中心的距离d(i,j)，可以使用欧几里得距离或其他距离度量方法。

目前的研究皆证实了修正性反馈对英语冠词习得的促进作用，但实验的范围仅限于对简单冠词用法的反馈（首次提及和再次提及的用法），至于修正性反馈是否对复杂冠词用法有效还有待探讨。

步骤3：基于距离度量和模糊逻辑，更新U矩阵中每个元素的值，对于每个点i和每个聚类中心j计算ui,j，即：

步骤4：根据更新后的U矩阵，重新计算每个聚类中心向量c1，c2，…，ck。对于每个聚类中心j计算vi，即：

步骤5：重复上述步骤 3~4，直到算法收敛或到达设定的迭代次数上限，约束条件如下：

2）LVQ网络模型。LVQ网络的训练过程是基于样本和神经元之间的竞争和调整，使得神经元权重向量能够更好地表示不同的分类或子分类。整个网络的学习过程通常需要进行多轮迭代，直到网络参数稳定或达到预设的训练停止条件，主要运算流程为：

步骤1：初始化网络参数。通常初始权重向量可以随机化或根据训练数据进行初始化，包括神经元权重向量、学习率等[12]。

步骤2：竞争层中的神经元激活。将待分类的样本输入到LVQ网络中，计算输入样本与竞争层中每个神经元的权重向量之间的距离，可以使用欧几里得距离度量方法，距离较小的神经元将会被激活成为胜出神经元。

步骤3：更新胜出神经元的权重。将胜出神经元的权重向量向输入模式调整，使其更接近于输入样本，具体更新方式可以使用以下公式进行更新：

其中，W(j) 表示第j个胜出神经元的权重向量，α是学习率，X是输入模式样本。

步骤5：线性层的运算。根据竞争层的子分类结果，将输入样本进行线性组合，生成最终的分类结果。

3）FCM-LVQ模型。首先使用FCM聚类算法将评价样本进行聚类划分，然后利用专家打分法对指标进行再次筛选，在进行了指标筛选和打分后，生成新的样本数据集，最后将处理后的样本数据输入LVQ神经网络进行训练，训练精度达到要求后进行仿真训练检验。然后计算处理测试样本集，采用训练好的网络结构评定流域水安全状况，并与传统方法相对比以验证其可靠性和有效性。FCMLVQ模型可以明显提升训练速度，有效避免样本数据的冗余以及降维过程中关键数据的丢失，更加真实客观地反映实际情况[13]。

2 结果与分析

2.1 FCM聚类分析

研究使用插值法划分标准来确定各指标的阈值，并生成初始样本矩阵P，其中每个分类级别对应两组样本数据，由此可以获取10组插值数据。

根据信息熵原理分析聚类数目k与信息熵H(k)之间的变化关系，如图1所示，结果显示熵值最小时k=2，所以最优聚类数c可以取2。

图1 信息熵H(k)的变化趋势

使用MATLAB中的zscore函数和fcm函数对样本矩阵P进行标准化处理和聚类分析，经过上述处理后，您可以得到聚类中心矩阵V、隶属度矩阵U：

然后再分析聚类结果，从量类聚类样本中利用专家打分法筛选出重要指标，从而组成新的样本数据，建立网络模型训练样本矩阵P′：

2.2 LVQ网络训练

采用训练样本矩阵P′作为输入向量，并将其对应的水安全级别C作为训练样本的输出向量：C=[1 1 2 2 3 3 4 4 5 5]，将其按照ind2vec和newlvq函数转变成目标向量，并构造相应的网络结构，设定学习速率0.01，竞争层神经元10个，按两两分组对10组数据输出相应等级，各级分类所占比例20%。

通过使用构建的神经网络结构对样本数据进行训练，并通过模拟仿真来检验网络性能，主要流程如下：先获取初始网络权值及输入向量，利用train函数训练网络结构得到权值和输入向量，使用Sim函数进行仿真模拟，比较期望输出与仿真输出见表2。

表2 网络模型仿真检验

结果显示，权值向量经过训练后具有较好的分类分级能力，期望与仿真输出高度吻合，这表明所构建的网络结构具有较高的训练精度。

采用已训练好的FCM-LVQ（模糊C均值-学习向量量化）网络模型来评估辽河流域的水安全等级，并同时使用BP（反向传播）网络和LVQ网络模型进行评估，并将评价结果比较验证FCM-LVQ模型的有效性与可行性，如表3所示。

表3 网络模型仿真检验

由表3可知，训练后的FCM-LVQ模型可以有效评定流域水安全等级。具体而言，2015年辽河流域处于不安全(Ⅳ级)状态，流域内具有较多不安全因素；2016—2018年辽河流域处于基本安全(Ⅲ级)状态，流域内具有一定不安全因素；2019—2021年辽河流域处于安全(Ⅱ级)状态，流域内具有较少不安全因素。总体上，2015—2021年辽河流域水安全呈现出好转趋势，这与流域近年来实施一系列水生态治理工程相符，说明FCM-LVQ模型能够客观反映流域水安全情况。

通过对比分析发现，FCM-LVQ模型评定的辽河流域水安全级别有Ⅱ级、Ⅲ级和Ⅳ级，而BP和LVQ网络模型评定结果只有Ⅱ级和Ⅲ级，表明FCM-LVQ模型能够更加细致精确地评定水安全状况。在运算过程中，FCM-LVQ模型的容错性和鲁棒性也更好。另外，FCM-LVQ模型与LVQ模型评定的辽河流域水安全等级只在2015年、2019年有所差异，并且FCM-LVQ模型能够更加明确的划分等级。这是因为LVQ模型无法降维处理样本数据，使得评价结果受冗余样本数据的影响而有所降低[15-18]。

综上分析，采用FCM-LVQ模型能够较好地评价辽河流域水安全等级，针对辽河流域存在的水安全问题采取有效的环境应对措施，对于保证流域内生态安全及可持续发展具有重要意义。

3 结 论

1）文章结合辽河流域实际情况，从水治理、水监管、水生态和水环境等方面构建评价体系，并采用FCM-LVQ模型评价了2015—2021年辽河流域水安全情况，结果表明研究期间辽河流域水安全呈现出好转趋势，这与流域近年来实施一系列水生态修复工程相符，辽河流域生态治理取得显著成效应继续保持。

2）FCM-LVQ模型可以有效避免评价结果受人为因素的干扰，具有收敛速度快、评价精度高且无需计算指标权重的特点。实证分析表明，FCMLVQ模型的评价效果优于BP和LVQ模型，可以为流域水安全评价提供一种新的途径。

3）流域水安全评价的目标是实现水环境改善、水污染防治、水生态修复以及水资源保护。因此，为了保障流域生态可持续发展应进一步完善管理方案，积极推进当前的生态治理对策使其向着更加稳定的方向发展。