周志維，馬秀峰，黎鳳賡

（江西省水利科學(xué)研究院，江西省水工安全工程技術(shù)研究中心，江西 南昌 330029）

0 引 言

標(biāo)準(zhǔn)化管理是提升水庫(kù)安全管理水平的重要保障，是實(shí)現(xiàn)水利現(xiàn)代化的基本前提。近年來(lái)，隨著江西省開(kāi)展水利工程標(biāo)準(zhǔn)化管理工作，提出了水庫(kù)標(biāo)準(zhǔn)化管理達(dá)標(biāo)創(chuàng)建指標(biāo)體系，水庫(kù)的安全管理技術(shù)水平取得顯著成就[1]。然而，水庫(kù)在完成標(biāo)準(zhǔn)化管理創(chuàng)標(biāo)之后，若繼續(xù)延用創(chuàng)標(biāo)階段的管理指標(biāo)體系，不利于水庫(kù)標(biāo)準(zhǔn)化管理的可持續(xù)發(fā)展。如，創(chuàng)標(biāo)階段不少指標(biāo)是一次性投入的，創(chuàng)標(biāo)后若仍將重點(diǎn)關(guān)注這些指標(biāo)，不利于資源的合理分配，不利于標(biāo)準(zhǔn)管理持續(xù)性。因此，修改完善現(xiàn)有的標(biāo)準(zhǔn)化管理評(píng)估指標(biāo)體系十分必要。

水庫(kù)標(biāo)準(zhǔn)化管理評(píng)估是分析判斷水庫(kù)管理水平的關(guān)鍵環(huán)節(jié)，旨在識(shí)別出管理主體存在的薄弱環(huán)節(jié)?？茖W(xué)合理的評(píng)估方法往往直接影響評(píng)估結(jié)論[2，3]。由于評(píng)估主體具有主觀性強(qiáng)、模糊性等特點(diǎn)，在指標(biāo)定量時(shí)必然存在不確定性。只有對(duì)模糊邊界更清晰地描述，才能有效指導(dǎo)管理工作。在分析不確定性及模糊問(wèn)題時(shí)，神經(jīng)網(wǎng)絡(luò)具有明顯的優(yōu)勢(shì)，由于其具有較高的魯棒性和容錯(cuò)性能[4]，對(duì)輸入指標(biāo)的信息要求不高，減少了專家的主觀性。

神經(jīng)網(wǎng)絡(luò)在評(píng)估方面應(yīng)用非常廣泛[5～7]，尤其在大壩風(fēng)險(xiǎn)分析、安全監(jiān)測(cè)、調(diào)度運(yùn)用等方面研究較多[8～10]，但在水庫(kù)管理評(píng)估方面應(yīng)用較少，本文將人工神經(jīng)網(wǎng)絡(luò)引入標(biāo)準(zhǔn)化管理評(píng)估中，通過(guò)建立水庫(kù)標(biāo)準(zhǔn)化管理評(píng)估指標(biāo)體系，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的標(biāo)準(zhǔn)化管理評(píng)估模型，為進(jìn)行水庫(kù)安全管理水平考核評(píng)價(jià)建立一種新方法，為提高水庫(kù)安全管理水平起促進(jìn)作用。

1 標(biāo)準(zhǔn)化管理評(píng)估指標(biāo)體系的建立

1.1 評(píng)估指標(biāo)選取原則

評(píng)估指標(biāo)應(yīng)根據(jù)江西省水庫(kù)管理實(shí)際情況，保證其科學(xué)性與先進(jìn)性。依據(jù)水庫(kù)標(biāo)準(zhǔn)化管理評(píng)分標(biāo)準(zhǔn)（以下簡(jiǎn)稱“評(píng)分標(biāo)準(zhǔn)”），重點(diǎn)圍繞創(chuàng)標(biāo)后的工作需求及水利部提出的水庫(kù)管理“三年行動(dòng)方案”。做到指標(biāo)概念清晰、層次分明、相關(guān)性弱、操作性強(qiáng)等特點(diǎn)，既要全面、科學(xué)、系統(tǒng)地體現(xiàn)水庫(kù)標(biāo)準(zhǔn)化管理創(chuàng)標(biāo)后的整體情況，也要體現(xiàn)管理現(xiàn)狀與經(jīng)濟(jì)、社會(huì)發(fā)展相協(xié)調(diào)并適度超前的要求。

1.2 評(píng)估指標(biāo)的選取

在遵循上述指標(biāo)選取原則基礎(chǔ)上，通過(guò)研究“評(píng)分標(biāo)準(zhǔn)”及水利部提出的管理新要求，“評(píng)分標(biāo)準(zhǔn)”中一級(jí)指標(biāo)分為4部分，分別為安全管理、運(yùn)行管理、養(yǎng)護(hù)管理、管理保障，而水利部的工程管理考核評(píng)分標(biāo)準(zhǔn)內(nèi)還細(xì)分出組織管理。為了細(xì)分指標(biāo)體系，將上述4個(gè)一級(jí)指標(biāo)分離出管理基礎(chǔ)這一指標(biāo)，該級(jí)指標(biāo)包含機(jī)構(gòu)人員、管理手冊(cè)、工程劃界等二級(jí)指標(biāo)。因此，評(píng)價(jià)體系包含5項(xiàng)一級(jí)指標(biāo)，編號(hào)為C1～C5，二級(jí)指標(biāo)共21項(xiàng)（見(jiàn)表 1）。

在確定二級(jí)指標(biāo)權(quán)重時(shí)，主要采用層次分析法確定。在構(gòu)建判斷矩陣和進(jìn)行指標(biāo)重要性比較時(shí)，主要依據(jù)“評(píng)分標(biāo)準(zhǔn)”分值大小及水庫(kù)管理創(chuàng)標(biāo)完成后管理新要求確定，對(duì)于分值越大的，則該指標(biāo)相對(duì)更重要；對(duì)于創(chuàng)標(biāo)階段一次性投入，在創(chuàng)標(biāo)后重要性相對(duì)減弱，對(duì)于需要持續(xù)投入的指標(biāo)，重要性可相對(duì)提高。指標(biāo)體系及計(jì)算的權(quán)重具體見(jiàn)表1。

1.3 評(píng)估等級(jí)的分類

表1列舉了各指標(biāo)體系的權(quán)重，實(shí)際管理考評(píng)或者評(píng)估時(shí)，不僅需要了解總分，而且還需明確每個(gè)指標(biāo)的得分情況，以便有針對(duì)性的采取措施，因此，有必要對(duì)每一級(jí)進(jìn)行分類劃分，不妨將管理綜合等級(jí)及各指標(biāo)等級(jí)均分為4級(jí)，分別為1級(jí)、2級(jí)、3級(jí)、4級(jí)。

傳統(tǒng)的評(píng)價(jià)結(jié)論一般按均勻或Γ型分布[10]，如對(duì)于100 總分時(shí)，對(duì)應(yīng)的等級(jí)為 [0，25）、[25，50）、[50，75）、[75，100]，這種劃分體現(xiàn)不出工作事項(xiàng)的普遍性與極端性。經(jīng)對(duì)全省的標(biāo)準(zhǔn)化驗(yàn)收得分統(tǒng)計(jì)發(fā)現(xiàn)，管理得分一般按正態(tài)分布，即得分普遍集中在中間區(qū)域，管理非常突出或非常差往往是少數(shù)。根據(jù)以上分布規(guī)律，將管理指標(biāo)等級(jí)劃分按 [0，0.1）、[0.1，0.5）、[0.5，0.9）、[0.9，1]四等進(jìn)行劃分，每個(gè)指標(biāo)的具體得分按區(qū)間邊界值乘以對(duì)應(yīng)的權(quán)重值確定。

2 基于BP神經(jīng)網(wǎng)絡(luò)評(píng)估模型的建立

2.1 BP神經(jīng)網(wǎng)絡(luò)基本原理

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)又稱為多層前饋神經(jīng)網(wǎng)絡(luò)，其訓(xùn)練過(guò)程實(shí)際上是將誤差逐層傳播并不斷修改權(quán)值的過(guò)程[11]。在運(yùn)行過(guò)程中包含了正向和反向的傳播兩個(gè)階段：（1）在正向傳播過(guò)程中，輸入數(shù)據(jù)經(jīng)輸入層至隱含層，并傳向輸出層，計(jì)算實(shí)際輸出與期望輸出的誤差，若誤差超過(guò)范圍，則轉(zhuǎn)入反向傳播；（2）在反向傳播過(guò)程中，通過(guò)不斷修改各層神經(jīng)元的權(quán)重系數(shù)，使輸出層神經(jīng)元上得到所需要的期望輸出值為止。

表1 水庫(kù)標(biāo)準(zhǔn)化管理指標(biāo)體系

2.2 評(píng)估模型的建立

神經(jīng)網(wǎng)絡(luò)實(shí)際上是一種經(jīng)驗(yàn)分析，通過(guò)已有的原始數(shù)據(jù)及結(jié)果進(jìn)行有限次數(shù)的訓(xùn)練，直到訓(xùn)練結(jié)果的精度滿足要求，在評(píng)估模型中，主要參數(shù)包括輸入輸出數(shù)據(jù)、網(wǎng)絡(luò)拓樸結(jié)構(gòu)等。

2.2.1 輸入輸出數(shù)據(jù)

以21個(gè)二級(jí)指標(biāo)個(gè)數(shù)作為輸入變量，期望輸出以向量形式表示，即以 Y1=（1，0，0，0）T、Y2=（0，1，0，0）T、Y3=（0，0，1，0）T、Y4=（0，0，0，1）T，對(duì)應(yīng)的等級(jí)為 1 級(jí)、2級(jí)、3級(jí)、4級(jí)，如表 2。

在選取訓(xùn)練數(shù)據(jù)時(shí)，以表2區(qū)間邊界值作為樣本輸入數(shù)據(jù)，顯然具有較強(qiáng)的代表性。但數(shù)據(jù)過(guò)少，訓(xùn)練得出的BP網(wǎng)絡(luò)模型實(shí)用性不強(qiáng)，網(wǎng)絡(luò)魯棒性差，識(shí)別結(jié)果不甚理想，如對(duì)于位于不同指標(biāo)間區(qū)間的輸入向量。為此，在不同的評(píng)分區(qū)間內(nèi)再隨機(jī)生成2 000組數(shù)據(jù)，其中，1 800組作為訓(xùn)練數(shù)據(jù)，200作為檢驗(yàn)數(shù)據(jù)。

表2 標(biāo)準(zhǔn)化管理評(píng)估BP網(wǎng)絡(luò)模型訓(xùn)練樣本集

2.2.2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的確定合理與否，直接影響到評(píng)估結(jié)果的精確性和適用性。具體包括網(wǎng)絡(luò)層數(shù)、輸入層節(jié)點(diǎn)數(shù)、隱含層數(shù)、隱含層節(jié)點(diǎn)數(shù)、輸出層節(jié)點(diǎn)數(shù)等幾個(gè)方面。其中，網(wǎng)絡(luò)層分為3層，輸入層、輸出層及隱含層[12，13]。隱含層可根據(jù)通過(guò)輸入層、輸出層節(jié)點(diǎn)數(shù)，采取經(jīng)驗(yàn)公式確定[14，15]，本文采用黃金分割法確定[16]。激活函數(shù)常用的用logsig、tansig、purelin等3種函數(shù)，根據(jù)本文分析特點(diǎn)，隱含層轉(zhuǎn)移函數(shù)選用logsig函數(shù)或tansig函數(shù)，輸出層節(jié)點(diǎn)轉(zhuǎn)移函數(shù)選用tansig或purelin 函數(shù)[17]。

確定了輸入輸出數(shù)據(jù)及網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，則標(biāo)準(zhǔn)化管理評(píng)估模型也建立了，標(biāo)準(zhǔn)化管理的評(píng)估模型見(jiàn)圖1。

標(biāo)準(zhǔn)化管理評(píng)估模型的核心算法是前饋傳播算法，采取網(wǎng)絡(luò)參數(shù)確定及優(yōu)化兩個(gè)路徑同時(shí)進(jìn)行，基于matlab語(yǔ)言開(kāi)展語(yǔ)句進(jìn)行編程計(jì)算，鑒于篇幅有限，代碼略。

2.3 網(wǎng)絡(luò)模型測(cè)試

根據(jù)2.2節(jié)確定的網(wǎng)絡(luò)模型，分析了不同隱含節(jié)點(diǎn)數(shù)的訓(xùn)練情況，其誤差及迭代次數(shù)如圖2所示。

圖1 基于神經(jīng)網(wǎng)絡(luò)標(biāo)準(zhǔn)化管理評(píng)估模型

圖2 不同隱含結(jié)點(diǎn)的總誤差變化曲線

圖3 檢驗(yàn)計(jì)算結(jié)果

表3 水庫(kù)標(biāo)準(zhǔn)化管理輸入數(shù)據(jù)

表4 水庫(kù)標(biāo)準(zhǔn)化管理BP神經(jīng)網(wǎng)絡(luò)計(jì)算結(jié)果

總誤差為每一個(gè)樣本數(shù)據(jù)的輸出向量與期望向量之差。從圖2可知，總誤差隨著節(jié)點(diǎn)的個(gè)數(shù)呈先減小后增大的拋物線變化。不同隱含點(diǎn)的數(shù)量誤差均能較快的趨于收斂，且收斂速度相近。但誤差大小有所不同，當(dāng)隱含節(jié)點(diǎn)為17時(shí)，總誤差最小，低于200，而隨著隱含節(jié)點(diǎn)增加，總誤差也不斷升高，并達(dá)到300以上。選擇17個(gè)作為最終隱含節(jié)點(diǎn)數(shù)。

將檢驗(yàn)數(shù)據(jù)代入，計(jì)算結(jié)果如圖3所示，圖中實(shí)線表示計(jì)算輸出值，圓圈為期望輸出值。據(jù)圖可知，輸出結(jié)果與期望結(jié)果基本一致，正確率達(dá)到98%，表明該神經(jīng)網(wǎng)絡(luò)訓(xùn)練成果是合適的。

3 案例分析

江西省于2018年開(kāi)展了標(biāo)準(zhǔn)化試點(diǎn)工作，包含293座各類試點(diǎn)工程。根據(jù)工程規(guī)模等級(jí)規(guī)模及運(yùn)行條件不同，確定了對(duì)應(yīng)的達(dá)標(biāo)等級(jí)。從驗(yàn)收情況來(lái)看，所有工程均完成標(biāo)準(zhǔn)化創(chuàng)標(biāo)工作，工程形象面貌及管理水平有了極大的提高。為此，選取2018年江西省標(biāo)準(zhǔn)化管理達(dá)標(biāo)的部分水庫(kù)進(jìn)行評(píng)估。應(yīng)用以上建立的神經(jīng)網(wǎng)絡(luò)模型，其輸入與期望輸出數(shù)據(jù)如表3。

將表3數(shù)據(jù)代入網(wǎng)絡(luò)模型中，根據(jù)最大隸屬原理，確定計(jì)算等級(jí)，計(jì)算結(jié)果見(jiàn)表4。在6個(gè)試點(diǎn)工程中，有5個(gè)工程計(jì)算結(jié)果與實(shí)際相符。其中山口巖水庫(kù)計(jì)算有偏差，計(jì)算結(jié)果為一級(jí)，而驗(yàn)收標(biāo)準(zhǔn)為二級(jí)，主要因?yàn)椋海?）評(píng)估指標(biāo)體系的側(cè)重點(diǎn)有所差異，賦分原則及權(quán)重也不盡相同；（2）山口巖水庫(kù)驗(yàn)收時(shí)綜合得分非常接近一級(jí)界限，神經(jīng)網(wǎng)絡(luò)在選取邊界附近的訓(xùn)練數(shù)據(jù)偏少等。模型計(jì)算準(zhǔn)確率83%，表明該神經(jīng)網(wǎng)絡(luò)算法能夠?qū)λ畮?kù)進(jìn)行了管理評(píng)估。同時(shí)，在考慮水庫(kù)標(biāo)準(zhǔn)化管理的可持續(xù)性，加重了水庫(kù)運(yùn)行管理指標(biāo)的權(quán)重。

4 結(jié)論

本文探討并構(gòu)建了水庫(kù)標(biāo)準(zhǔn)化管理創(chuàng)標(biāo)后的評(píng)估指標(biāo)體系，建立了基于BP人工神經(jīng)網(wǎng)絡(luò)的標(biāo)準(zhǔn)化管理評(píng)估模型，分析了神經(jīng)網(wǎng)絡(luò)模型參數(shù)確定方法。利用神經(jīng)網(wǎng)絡(luò)模型，對(duì)江西省2018年部分水庫(kù)標(biāo)準(zhǔn)化管理創(chuàng)標(biāo)數(shù)據(jù)進(jìn)行了計(jì)算、驗(yàn)證，結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)評(píng)估結(jié)論與實(shí)際情況總體相符，該評(píng)估方法具有普遍適用性，操作性較強(qiáng)，有較大推廣價(jià)值。