汪雅倩

(安徽財經(jīng)大學 金融學院，安徽 蚌埠　233030)

?

基于BP神經(jīng)網(wǎng)絡水資源供求預測的經(jīng)濟可持續(xù)發(fā)展研究
——以山東省為例

汪雅倩

(安徽財經(jīng)大學 金融學院，安徽 蚌埠233030)

基于人工神經(jīng)網(wǎng)絡的基本原理和方法，建立BP神經(jīng)網(wǎng)絡水資源供求量預測模型，以山東省水資源供求量預測為例進行分析。結(jié)果表明，BP神經(jīng)網(wǎng)絡是建立水資源預測模型的一種有效方法，預測結(jié)果較精準；未來15年內(nèi)山東省的水資源總量將不會有明顯的增加，但對水資源的需求量將會逐年增加，同時水資源匱乏的程度也將愈加嚴重。最后，根據(jù)實證結(jié)果提出了一系列關于加強山東省水資源優(yōu)化配置與合理利用的相關建議，為山東省未來水資源合理化的經(jīng)濟配置規(guī)劃等問題提供了決策參考。

人工神經(jīng)網(wǎng)絡；BP神經(jīng)網(wǎng)絡模型；水資源匱乏；預測；經(jīng)濟可持續(xù)發(fā)展

隨著氣候變化與人口增長，水資源匱乏問題變得日益突出。如何對水資源進行高效分配，滿足人類基本生產(chǎn)和生活需求已成為當今社會亟待解決的問題。水資源短缺問題不僅會使當?shù)厣鷳B(tài)環(huán)境持續(xù)惡化，同時也會限制該地區(qū)經(jīng)濟可持續(xù)開展，因此保障水資源供求均衡對人類生存、經(jīng)濟發(fā)展至關重要。

水資源供求量變動的要素眾多，是一個復雜的非線性系統(tǒng)，一般的數(shù)學模型難以準確地預測水資源供求情況。神經(jīng)網(wǎng)絡具有優(yōu)秀自學習才能，能夠很好地處理非線性問題。近年來，神經(jīng)網(wǎng)絡模型已被廣泛應用于水資源變化量的預測以及水資源短缺程度的評價等問題，[1][5]但將神經(jīng)網(wǎng)絡應用于水資源供求量預測的研究尚不多見。本文以山東省為例，運用神經(jīng)網(wǎng)絡對水資源供求量樣本數(shù)據(jù)進行訓練和預測，構(gòu)造BP神經(jīng)網(wǎng)絡的水資源供求量預測的模型，預測未來15年內(nèi)山東省水資源供給與需求情況，為山東省未來水資源節(jié)約、保護和合理利用等問題提供決策建議。

1　BP神經(jīng)網(wǎng)絡的基本原理

人工神經(jīng)網(wǎng)絡是由眾多簡單的神經(jīng)元彼此鏈接，通過模擬人的大腦神經(jīng)處理信息的方式，進行信息處理和非線性轉(zhuǎn)換的復雜網(wǎng)絡系統(tǒng)，其基本結(jié)構(gòu)類似于人腦網(wǎng)絡結(jié)構(gòu)。神經(jīng)網(wǎng)絡的結(jié)構(gòu)有很多種，其中比較常見的是BP神經(jīng)網(wǎng)絡，結(jié)構(gòu)如圖1所示。

BP神經(jīng)網(wǎng)絡(Back Propagation Neural Network)是一種多層前反饋神經(jīng)網(wǎng)絡，一般存在等于或大于三層神經(jīng)元，其組織如圖1。[3]BP神經(jīng)網(wǎng)絡主要包括輸入層、中間層和輸出層三部分，上下層之間是全鏈接，而同一層的不相互鏈接。標準的 BP 算法的核心是數(shù)學中的“負梯度下降理論”，即BP神經(jīng)網(wǎng)絡的誤差總是沿著誤差降落最迅速的目標調(diào)整。

圖1　BP神經(jīng)網(wǎng)絡結(jié)構(gòu)示意圖

2　山東省水資源供求情況的預測

2.1研究思路。

本文的研究思路是，首先對從工業(yè)、農(nóng)業(yè)、生活以及生態(tài)環(huán)境這四個方面水資源的需求情況進行分析，選取農(nóng)田灌溉耗水量、林牧漁畜耗水量、工業(yè)耗水量、城鎮(zhèn)公共耗水量、居民生活耗水量和生態(tài)環(huán)境耗水量作為6項衡量山東省水資源消耗程度的評價指標；其次，水資源的供給途徑主要包括地表水、淺層地下水、降雨收集和海水直接利用等。通過查閱山東省歷年水資源公報，可以獲得2005-2014年上述指標的時間序列數(shù)據(jù)，構(gòu)造BP神經(jīng)網(wǎng)絡的水資源供求量預測的模型，預測山東省未來15年內(nèi)水資源供求情況。

2.2數(shù)據(jù)的預處理。

因原數(shù)據(jù)各項指標間具有不同量級，因而須對收集到的原數(shù)據(jù)歸一化處置。本文主要是應用PREMNMX函數(shù)對樣本數(shù)據(jù)輸出及輸入做初始化處置，使之能平均散布于[-1,1]范圍內(nèi)，具體公式為：

其中a表示輸出樣本，b表示輸入樣本；AN 表示歸一化處理后的輸入樣本，BN表示歸一化處置后輸出樣本。BP神經(jīng)網(wǎng)絡算法訓練停止后，由于預測結(jié)果為經(jīng)過歸一化處理后的數(shù)據(jù)，因而須對該數(shù)據(jù)做反歸一化，以還原成原始值。

2.3 BP神經(jīng)網(wǎng)絡算法流程。

(2)輸入樣本和期望輸出：提供訓練樣本及目標輸出，對每個樣本進行(3)-(5)步。 輸入的訓練樣本為：Y=(Y1,Y2,…,Yn),目標輸出為： X=(X1,X2,…,Xn)

(3) 計算各層輸入：x(l)=f(s(1))=f(W(l)x(l-1))

(8) 如果誤差指標滿足精度要求，即E<ε那么訓練結(jié)束，否則轉(zhuǎn)到(2)，繼續(xù)下一個訓練周期ε是小的正數(shù)，根據(jù)實際情況選取。

綜上所述，具體流程如下圖2所示：

圖2　BP神經(jīng)網(wǎng)絡算法流程圖

2.4 模型的結(jié)果與分析。

根據(jù)建立的BP神經(jīng)網(wǎng)絡模型對山東省未來15年內(nèi)水資源供給和需求的狀況進行預測，利用MATLAB軟件編程對模型進行求解，[2][4][6]具體的預測結(jié)果見下表1。

表1　BP神經(jīng)網(wǎng)絡模型的預測結(jié)果(億 立方米)

數(shù)據(jù)來源：山東省水文信息網(wǎng)

為了檢驗模型的預測效果，可以通過計算輸出層各單元的訓練誤差來實現(xiàn)。如圖3所示是訓練次數(shù)達到109次的誤差訓練曲線，由于模型的訓練誤差曲線越來越平緩并逐漸趨近于零，說明所建立的BP神經(jīng)網(wǎng)絡模型的預測結(jié)果較為準確。

圖3　BP神經(jīng)網(wǎng)絡訓練誤差曲線圖

圖4　未來15年內(nèi)山東省主要指標耗水量變化圖

圖5　未來15年內(nèi)山東省農(nóng)田灌溉耗水量變化圖

由圖4、5可看出，未來15年內(nèi)山東省農(nóng)田灌溉、林牧漁畜、工業(yè)、城鎮(zhèn)公共、居民生活和生態(tài)環(huán)境等各指標耗水量都呈平穩(wěn)增加趨勢，其中農(nóng)田灌溉耗水量占比最大。未來15年內(nèi)山東省對水資源需求基本保持平穩(wěn)并逐年都略有增加，在水資源日漸短缺的今天，山東省在未來一段時期仍將面臨嚴峻水資源短缺的挑戰(zhàn)，如何合理高效地利用有限水資源是山東省未來需重點考慮的難題。

圖6　未來15年內(nèi)山東省水資源供應量變化圖

圖6是山東省未來15年內(nèi)水資源供應量的變化圖 ，從圖中可以看出山東省的供水總量將維持在220億立方米，地表水資源在水資源總量中所占的比重較大，說明山東省未來一段時期內(nèi)的地下水資源有限，供水將主要利用地表水源來供給。

3　建議

本文主要對山東省未來15年內(nèi)水資源供求情況進行預測，實證結(jié)果表明，山東省水資源存在明顯匱乏，尤其是地下水資源短缺較嚴重，山東省未來一段時期將主要使用地表水來滿足基本供水需求。為使山東省在水資源利用方面更合理和高效，本文在研究結(jié)果的基礎上提出以下幾方面建議。

3.1縮減地下水開采規(guī)模。

由于山東省大部分的供應水是取自地下水，導致地下水開采過度，造成一系列的生態(tài)環(huán)境困擾和地質(zhì)水文災害。[7]例如，地下水位持續(xù)下降；海咸水入侵嚴重，其中最嚴重的是位于萊州灣地區(qū)的萊州市、招遠市和龍口市等地區(qū)；地面下沉；泉水枯竭，生態(tài)環(huán)境日益惡化等。

因此，山東省應嚴格控制地下水的年開采量。具體措施包括完善城鄉(xiāng)供水系統(tǒng)，依法打擊非法開采地下水的個人和企業(yè)，也可通過向開采地下水資源的個人和企業(yè)收取資源費來限制開采量。[9]

3.2提高農(nóng)業(yè)灌溉用水的利用效率。

農(nóng)業(yè)生產(chǎn)在山東省的經(jīng)濟發(fā)展中具有重要的作用，農(nóng)業(yè)用水占全省用水總量的比重最大，占用水總量的60%左右。因此，提高農(nóng)業(yè)灌溉用水的利用效率對減少山東省用水需求具有重要意義。[8]例如，引入和種植適合在山東省地區(qū)生長的節(jié)水農(nóng)作物；改進農(nóng)業(yè)水資源灌溉技術(shù)，提高水資源的利用效率；建設農(nóng)田水利設施，爭強農(nóng)業(yè)蓄水能力；向農(nóng)民宣傳節(jié)水意識，減少水資源的浪費。

3.3增加海水直接利用量。

山東省三面環(huán)海，海岸線較長，有豐富的海水資源可以利用。因此，山東省可以通過大力發(fā)展海水養(yǎng)殖業(yè)來減少淡水養(yǎng)殖規(guī)模，從而實現(xiàn)節(jié)約用水的目的；山東省沿海各個城市可以利用海水代替淡水來噴灑路面。

3.4水資源污染治理與保護。

山東省應該關閉省內(nèi)那些對水環(huán)境污染嚴重的企業(yè)，所有企業(yè)污水都必須達標后再排放。部分山區(qū)應該嚴格規(guī)范采礦業(yè)發(fā)展。農(nóng)業(yè)生產(chǎn)應該逐漸減少對化肥和農(nóng)藥的使用，禁止使用有公害農(nóng)藥。征收污水處理費，設立污水處理回用專項基金用于水資源深度處理設施和回用工程建設。

3.5 提高水資源優(yōu)化配置的效率。

目前山東省在水資源管理體制上存在許多問題，[10]水資源開發(fā)利用中的取水、供水、排水、排污，分別由不同部門管理，缺乏統(tǒng)一的規(guī)劃和調(diào)度。因此山東省應建立統(tǒng)一的水資源管理體系，實現(xiàn)城鄉(xiāng)水資源在管理上的統(tǒng)一，增強水資源優(yōu)化與分配的整體效率。

3.6 建設南水北調(diào)工程。

目前，南水北調(diào)部分工程在山東省內(nèi)已初步建成且具有一定的規(guī)模，建成后將每年為山東省提供大量的水資源，對緩解山東省水資源缺乏、改善當?shù)厣鷳B(tài)環(huán)境具有深遠意義。

4　結(jié)論

(1) 運用BP神經(jīng)網(wǎng)絡預測山東省水資源供求情況切實可行。

(2) BP神經(jīng)網(wǎng)絡模型是通過對山東省不同年份的水資源供給與需求量的樣本數(shù)據(jù)進行反復訓練和預測，最后的檢驗結(jié)果表明，該神經(jīng)網(wǎng)絡預測結(jié)果較準確。

(3) 水資源供給量與需求量的樣本數(shù)據(jù)是建立BP神經(jīng)網(wǎng)絡模型的基礎，建立山東省不同年份和地區(qū)的水資源供求量的詳細數(shù)據(jù)庫，對進一步加強水資源合理化經(jīng)濟配置具有重要意義。

(4) 本文僅建立了一個預測模型，若能再引進一個新的預測模型，建立基于這兩個模型的組合預測模型，可能會得到更精準的預測結(jié)果，這也是本文存在的一點不足之處。

(5) BP神經(jīng)網(wǎng)絡模型能很好地解決非線性系統(tǒng)的預測問題，借助MATLAB軟件可以方便地將BP神經(jīng)網(wǎng)絡模型應用于水資源供求量預測等領域的研究，為政府決策機構(gòu)就經(jīng)濟可持續(xù)發(fā)展提供可靠的決策建議及參考。

[1]鄧霞，董曉華，薄會娟.基于BP網(wǎng)絡的河道徑流預報方法與應用[J].人民長江，2010,41(2):56-59.

[2]張德豐. MATLAB神經(jīng)網(wǎng)絡應用設計[M].北京:機械工業(yè)出版社，2009,1.

[3]陳守煜，王大剛.基于遺傳算法的模糊優(yōu)選BP網(wǎng)絡模型及其應用[J].水利學報，200,34(5):116-121.

[4]卓金武.MATLAB在數(shù)學建模中的應用[M].北京:北京航空航天大學出版社，2011.

[5]苑希民，李鴻雁，劉樹坤，等.神經(jīng)網(wǎng)絡和遺傳算法在水科學領域的應用[M].北京:中國水利水電出版社，2002.

[6]MATLAB中文論壇.MATLAB神經(jīng)網(wǎng)絡30個案例分析[M].北京:北京航空航天大學出版社，2010.

[7]馮利華. 神經(jīng)網(wǎng)絡在水資源預測中的應用[J].農(nóng)業(yè)系統(tǒng)科學與綜合研究，2003,19(1):35-38.

[8]王浩，游進軍．水資源合理配置研究歷程與進展[J].水利學報，2008,39(10):1168-1175．

[9]沈福新，耿雷華，曹霞莉等．中國水資源長期需求展望[J].水科學進展，2005,16(4):522-525．

[10]吳洪相．寧夏水資源情勢分析及應對策略[J].中國水利，2011(3):23-24．

Class No.:F224：TU991.31Document Mark：A

(責任編輯：鄭英玲)

Economic Sustainable Development of Water Resources Supply and Demand Forecasting Based on BP neural Network

Wang Yaqian

(School of Finance; Anhui University of Finance and Economics, Bengbu,Anhui 233030，China)

According to basic principles and methods based on artificial neural networks, we build a forecasting model of water resources supply and demand based on BP neural network, and take the supply and demand of water resources of Shandong Province as an example to make the prediction. The results show that BP neural network is an effective method to establish water resources prediction model and prediction results are accurate. The next 15 years, the total of water resources in Shandong province won’t have a significant increase, but the demand for water resources will increase year by year, at the same time the degree of scarcity of water resources will become even more serious. In the end, according to the empirical results, some suggestions are presented to optimize the allocation and utilization of water resources in Shandong Province. Meanwhile, decision-making reference for future water resources allocation planning of Shandong Province is provided.

artificial neural network, BP neural network model, water resources shortage, forecasting；economic sustainable development

汪雅倩，學生，安徽財經(jīng)大學金融學院。研究方向:金融學。

國家自然科學項目(編號：11301001)；安徽財經(jīng)大學教研項目(編號：acjyzd201429)。

1672-6758(2016)06-0052-4

F224：TU991.31

A