杜 恒，姚凱文，張 丹，劉炳文

(華北電力大學(xué)水利與水電工程學(xué)院，北京 102206)

0 引 言

水庫移民公眾參與作為體現(xiàn)民主權(quán)益，提升公共決策質(zhì)量，發(fā)揮移民積極性和創(chuàng)造性，緩解政府與移民之間矛盾的重要手段[1]，在水庫移民安置中發(fā)揮不可或缺的作用；因此充分利用公眾參與機(jī)制推進(jìn)水庫移民妥善安置，已成為解決水庫移民安置問題的重要途徑。2006年國務(wù)院頒布的《大中型水利水電工程建設(shè)征地補(bǔ)償和移民安置條例》中第6、7、9、15、38、53條分別從移民規(guī)劃大綱、實(shí)物指標(biāo)調(diào)查、安置規(guī)劃、移民后期扶持等方面賦予移民參與的權(quán)利，為移民的參與權(quán)提供法律制度保障[2]，但由于經(jīng)濟(jì)社會發(fā)展水平限制、政策法規(guī)不健全、移民參與意識不強(qiáng)及參與能力不足等原因的影響，水庫移民公眾參與往往成為一種擺設(shè)，對解決移民安置中存在的問題并無實(shí)質(zhì)性作用，相反還會給移民安置工作中各類問題的解決帶來困難[3]?；诖饲闆r，為充分發(fā)揮公眾參與的積極效應(yīng)，對水庫移民公眾參與效果的研究是十分必要的。

目前，我國對水庫移民公眾參與的研究主要集中在參與形式、參與內(nèi)容、參與過程中存在的問題及解決對策等理論方面，而對于參與水平、參與效果等評價(jià)方面的研究甚少。本文基于相對熵TOPSIS排序法對水庫移民安置公眾參與效果進(jìn)行評價(jià)，以熵值大小對評價(jià)對象的參與效果進(jìn)行排序，從而得到評價(jià)對象參與效果優(yōu)劣情況。文中所建立的指標(biāo)體系和運(yùn)用的評價(jià)方法可為水庫移民公眾參與課題提供一種思路。

1 指標(biāo)體系的建立

選取合理的評價(jià)指標(biāo)對于最終評價(jià)結(jié)果的正確性至關(guān)重要?？紤]到水庫移民安置公眾參與形式的多樣性和復(fù)雜性，本文選取了4個(gè)一級指標(biāo)、13個(gè)二級指標(biāo)，構(gòu)建水庫移民安置公眾參與效果評價(jià)指標(biāo)體系(見表1)。

表1 水庫移民安置公眾參與效果評價(jià)指標(biāo)體系

2 相對熵TOPSIS排序法評價(jià)模型

2.1 基本原理

相對熵是研究兩個(gè)概率分布間差異的非對稱性度量，由Kullback于20世紀(jì)50年代以著作的形式系統(tǒng)闡述[4]。在信息理論中，相對熵可以解決方案優(yōu)選的問題，其基本原理是利用相對熵來度量多屬性決策中的被評方案和理想方案之間的接近程度，進(jìn)而判斷各方案優(yōu)劣情況；而本文研究的水庫移民安置公眾參與效果評價(jià)是對選取的移民村進(jìn)行參與效果優(yōu)劣的對比分析。因此，建立相對熵TOPSIS排序法評價(jià)模型對本文研究對象是適用的。

2.2 評價(jià)模型建立

2.2.1 確定評價(jià)指標(biāo)權(quán)重

本文利用組合賦權(quán)法計(jì)算評價(jià)指標(biāo)權(quán)重，其中主觀權(quán)重計(jì)算采用AHP-GEM-GH法[5]，客觀權(quán)重計(jì)算采用BP神經(jīng)網(wǎng)絡(luò)法[6]，組合賦權(quán)計(jì)算采用基于離差最大化的組合賦權(quán)法[7]。

(1)AHP-GEM-GH法。①咨詢n名專家的意見，專家通過兩兩比較的方式對各指標(biāo)的相對重要性進(jìn)行判斷并構(gòu)建判斷矩陣Xi，m×m(i=1，2，…，n；m為指標(biāo)數(shù))，判斷矩陣需滿足一致性檢驗(yàn)，然后求解判斷矩陣的特征向量xi(i=1，2，…，n)。②將特征向量xi(i=1，2，…，n)作為GEM法中專家的打分值，構(gòu)造評分矩陣Ym×n，再利用公式Z=YTY，得到矩陣Zn×n，求解矩陣Z的特征向量，將該特征向量作為評分最公正、決策水平最高的專家(理想專家)的評分向量x理想。③專家個(gè)體Si的決策水平越低，其結(jié)論與理想結(jié)論相差越大，因此可用決策熵Hi來度量這種差異度。即

(1)

(2)

(2)BP神經(jīng)網(wǎng)絡(luò)法。①BP神經(jīng)網(wǎng)絡(luò)一般由三個(gè)網(wǎng)絡(luò)層組成，即輸入層，隱含層和輸出層。首先確定各層神經(jīng)網(wǎng)絡(luò)單元數(shù)，其中隱含層神經(jīng)單元數(shù)[8]

(3)

式中，t、m、l分別為隱含層、輸入層、輸出層神經(jīng)單元數(shù)；N∈[1，10]。②利用MATLAB軟件進(jìn)行編程[9-10]，設(shè)置BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)，輸出輸入層到隱含層、隱含層到輸出層的連接權(quán)值。③將連接權(quán)值進(jìn)行相關(guān)計(jì)算，最終得到絕對影響系數(shù)，即客觀權(quán)重值ω=(ω1，ω2，…，ωm)T。相關(guān)顯著系數(shù)rij、相關(guān)指數(shù)Rij、絕對影響系數(shù)Sij計(jì)算如下

(4)

Rij=|(1-e-y)/(1+e-y)|

(5)

(6)

式中，x=ωjk，y=rij；i為神經(jīng)網(wǎng)絡(luò)輸入單元，i=1，2，…，m；j為神經(jīng)網(wǎng)絡(luò)輸出單元，j=1，2，…，l；k為神經(jīng)網(wǎng)絡(luò)的隱含單元，k=1，2，…，t；Wki為輸入層神經(jīng)元i和隱含層神經(jīng)元k之間的權(quán)系數(shù)；ωjk為輸出層神經(jīng)元j和隱含層神經(jīng)元k之間的權(quán)系數(shù)。

ξ=αW0+βω

(7)

式中，α、β分別為組合權(quán)重的線性表示系數(shù)，且滿足約束條件α≥0，β≥0，α2+β2=1；W0為主觀權(quán)重向量；ω為客觀權(quán)重向量。

設(shè)全部評價(jià)對象間的總離差為Ω，則

(8)

式中，s為評價(jià)對象個(gè)數(shù)；m為評價(jià)指標(biāo)個(gè)數(shù)；yij為第i個(gè)評價(jià)對象第j個(gè)指標(biāo)的指標(biāo)值?；陔x差最大化的思想，求解最優(yōu)化模型，使得求出的組合權(quán)重向量能夠令離差最大化。最大化模型如下

(9)

為求解該最優(yōu)化模型，構(gòu)建lagrange函數(shù)

(10)

式中，φ為lagrange乘子。接下來對L(α，β)求偏導(dǎo)，求解可得α，β值分別為

(11)

2.2.2 相對熵TOPSIS排序評價(jià)法

基于相對熵的TOPSIS排序法[11]的具體步驟如下：

(1)構(gòu)造標(biāo)準(zhǔn)化決策矩陣{vij}s×m及加權(quán)標(biāo)準(zhǔn)化決策矩陣{uij}s×m

(12)

(13)

(14)

(15)

式中，T1、T2分別為效益型和成本型指標(biāo)的集合。

(3)計(jì)算評價(jià)對象與正理想解和負(fù)理想解的相對熵

(16)

(17)

(18)

3 實(shí)例分析

本文選取河南省C水庫工程作為計(jì)算實(shí)例，用基于相對熵TOPSIS排序法進(jìn)行水庫移民安置公眾參與效果評價(jià)。由于C水庫涉及的移民村較多，故從中選取代表性較強(qiáng)的三個(gè)移民村進(jìn)行研究，以代號進(jìn)行區(qū)分，分別為JZ村、TYP村和KZ村。

3.1 權(quán)重計(jì)算

(1)AHP-GEM-GH法。本文邀請4位專家對各指標(biāo)的相對重要性進(jìn)行打分，并利用AHP-GEM-GH法計(jì)算指標(biāo)的主觀權(quán)重值(見表2)。由表2數(shù)據(jù)可知，專家1決策與理想專家決策差異最大，將之剔除。再將剩余三位專家特征向量xi作為其打分值，計(jì)算相應(yīng)Z矩陣，并求出特征向量，將特征向量歸一化處理后，即為所需AHP-GEM-GH法下的主觀權(quán)重值：W0=(0.024，0.045，0.023，0.168，0.168，0.084，0.092，0.017，0.025，0.049，0.188，0.048，0.069)。

表2 AHP-GEM-GH法主觀權(quán)重計(jì)算

(2)BP神經(jīng)網(wǎng)絡(luò)法。①網(wǎng)絡(luò)各層神經(jīng)單元數(shù)的確定。本文公眾參與效果評價(jià)指標(biāo)體系有13個(gè)指標(biāo)，輸入層神經(jīng)單元數(shù)設(shè)為13，輸出層神經(jīng)單元數(shù)設(shè)為1，隱含層神經(jīng)單元數(shù)由公式(3)進(jìn)行反復(fù)試算，最終設(shè)為6。②利用MATLAB軟件進(jìn)行相關(guān)計(jì)算。BP神經(jīng)網(wǎng)絡(luò)的建立和訓(xùn)練參數(shù)的設(shè)置參考文獻(xiàn)[8-10]，將C水庫涉及的另外10個(gè)移民村的數(shù)據(jù)作為訓(xùn)練樣本(數(shù)據(jù)來源于C水庫征地移民監(jiān)測評估報(bào)告)，進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。經(jīng)過反復(fù)試算，得到輸入層到隱含層、隱含層到輸出層的連接權(quán)值(見表3)。③利用絕對影響系數(shù)公式得到計(jì)算結(jié)果(見表4)，則BP神經(jīng)網(wǎng)絡(luò)法計(jì)算客觀權(quán)重值：ω=(0.044，0.080，0.010，0.161，0.160，0.149，0.052，0.006，0.023，0.116，0.018，0.094，0.087)。

表3 BP神經(jīng)網(wǎng)絡(luò)各神經(jīng)元權(quán)值系數(shù)

表4 BP神經(jīng)網(wǎng)絡(luò)法客觀權(quán)重計(jì)算結(jié)果

(3)基于離差最大化的組合賦權(quán)法。將3個(gè)被評移民村yi(JZ村、TYP村、KZ村)的各指標(biāo)標(biāo)準(zhǔn)化數(shù)據(jù)列出(初始數(shù)據(jù)來源于C水庫征地移民監(jiān)測評估報(bào)告)，主觀權(quán)重為W0，客觀權(quán)重為ω，根據(jù)基于離差最大化組合賦權(quán)法公式得到計(jì)算結(jié)果(見表5)。通過基于離差最大化的組合賦權(quán)法進(jìn)行計(jì)算，最終得到水庫移民安置公眾參與效果評價(jià)各指標(biāo)權(quán)重值：ξ0=(0.034，0.062，0.017，0.165，0.164，0.115，0.073，0.012，0.024，0.081，0.106，0.070，0.078)。

表5 基于離差最大化的組合賦權(quán)法計(jì)算結(jié)果

3.2 相對熵TOPSIS排序評價(jià)法

水庫移民安置公眾參與效果評價(jià)是一個(gè)綜合評價(jià)體系，其涉及面廣且內(nèi)容較復(fù)雜。本文主要選取水庫移民安置4個(gè)層面13個(gè)指標(biāo)，對C水庫涉及的3個(gè)移民村進(jìn)行水庫移民安置公眾參與效果評價(jià)分析，利用相對熵TOPSIS排序法計(jì)算各移民村和理想移民村貼近度，根據(jù)貼近度大小對其進(jìn)行排序，從而判斷各移民村的移民參與效果優(yōu)劣情況。具體步驟如下。

(1)構(gòu)建加權(quán)標(biāo)準(zhǔn)化決策矩陣，確定正、負(fù)理想解(見表6)。

表6 正、負(fù)理想解計(jì)算結(jié)果

(2)利用相對熵計(jì)算公式，計(jì)算評價(jià)對象指標(biāo)數(shù)據(jù)與正、負(fù)理想解的相對貼近度(見表7)。表7數(shù)據(jù)顯示，3個(gè)移民村移民參與效果由好到差的排序：JZ村>KZ村>TYP村。

表7 評價(jià)對象與正、負(fù)理想解的相對貼近度

(3)結(jié)果分析。根據(jù)監(jiān)測評估報(bào)告，JZ村移民參與效果較好的原因?yàn)橐韵聨c(diǎn)：①JZ村作為3個(gè)移民村中唯一的集鎮(zhèn)，人口分布較集中，信息流通較迅捷。另外JZ村存在趕集現(xiàn)象，利于JZ村移民與其他村移民進(jìn)行溝通交流，進(jìn)而獲取更多信息；②為提高移民參與有效性，JZ村成立了移民代表小組，由代表性較強(qiáng)的小組成員參與工程實(shí)施的建設(shè)和監(jiān)督工作中；③JZ村的移民利益訴求較為集中，移民機(jī)構(gòu)通過統(tǒng)籌安排的形式將集中的訴求或問題進(jìn)行有效解決；④JZ村作為集鎮(zhèn)，移民對土地依賴性不大，安置前后移民均未有耕地面積。另外通過對安置區(qū)的規(guī)劃建設(shè)，JZ村的基礎(chǔ)設(shè)施條件得到進(jìn)一步完善，移民整體生活品質(zhì)得到進(jìn)一步提高，移民滿意度較高。與此對應(yīng)，TYP村移民參與效果較差的原因?yàn)橐韵聨c(diǎn)：①TYP村作為3個(gè)移民村中人口分布較分散的移民村，存在小部分移民戶因家中只剩老人且居住較偏遠(yuǎn)，信息獲取能力有限而無法有效獲取信息的情況；②弱勢群體占比相對較大，而弱勢群體參與有效性較差，其利益訴求不能得到完全解決；③TYP村移民安置后的耕地面積較安置前有所減少，對于土地依賴性較強(qiáng)的孤寡老人家庭來說影響較大，存在部分移民戶對生產(chǎn)安置不滿意的情況。相對于其他兩個(gè)移民村，KZ村移民整體參與效果處于居中位置。

綜上所述，通過相對熵TOPSIS排序法計(jì)算得出的結(jié)果與實(shí)際情況基本吻合，證實(shí)了模型的可行性。

4 結(jié) 語

本文計(jì)算結(jié)果有助于移民機(jī)構(gòu)科學(xué)掌握移民參與效果情況，為后續(xù)完善水庫移民公眾參與機(jī)制提供一定參考意義。目前，隨著社會的不斷進(jìn)步和水庫移民參與熱情的日益高漲，公眾參與在水庫移民安置中的作用越加重要，而對于如何有效提高公眾參與效果，筆者認(rèn)為以下幾點(diǎn)值得參考：①拓寬移民獲取信息的渠道，保證移民具有一定認(rèn)知水平；②科學(xué)建立移民代表小組，保證移民積極有效參與項(xiàng)目建設(shè)；③建立健全申訴管理機(jī)制，保證移民申訴渠道暢通；④充分征求移民意愿及合理安置移民，保證移民滿意度處在較高水平。至于如何踐行以上措施，發(fā)揮移民積極性和創(chuàng)造性，實(shí)現(xiàn)社會公共利益，仍需不斷進(jìn)行深入研究。