于國寶

(遼寧省朝陽水文局,遼寧 朝陽 122000)

當前我國水資源可持續(xù)發(fā)展的一項重要指標為水資源生態(tài)承載力，該指標也是學者們研究的一個熱點話題。目前，僅對水資源生態(tài)承載能力進行研究的文獻很少，而且多是將其納入到城市可持續(xù)發(fā)展中分析。在國外，一般用壓力指標、可持續(xù)用水量指標、水資源生態(tài)限度、水資源系統(tǒng)自然系統(tǒng)極限、水資源短缺程度等指標來表示類似的意義。根據(jù)我國目前的發(fā)展狀況，現(xiàn)有的水資源生態(tài)承載能力研究多集中在水量方面。在保證水資源供求均衡的前提下，對研究區(qū)的可用水量進行了分析。

文獻[1]提出了基于DPSIRM模型的水源地水資源脆弱性評價方法，在DPSIRM模型的基礎上，提出了一種基于DPSIRM的流域水資源承載能力評估方法。然后，利用模擬退火算法求解各指標對水資源生態(tài)承載力的影響；文獻[2]提出了基于區(qū)域水量-水質的水資源生態(tài)承載力研究方法，以水質為目標，建立了水資源生態(tài)承載能力評價指標體系，并對區(qū)域水資源承載能力進行了分析。上述2種方法只考慮了水質不合格，沒有考慮到水環(huán)境納污能力和生態(tài)需求。盡管已有學者從水質的觀點出發(fā)，對水資源的生態(tài)承載能力進行了研究，但并未將其納入到水質狀況和水量狀況中。為此，本文提出了基于神經(jīng)網(wǎng)絡算法的水資源生態(tài)承載力智能監(jiān)測方法。

1 河道水環(huán)境納污能力分析

依據(jù)水體污染負荷計算的相關規(guī)定，構建河流納污能力數(shù)學模型。結合朝陽水文站具體情況，分別構建零維模型、一維模型、二維模型。對于零維模型的使用，是在污染物均勻混合情況下分析河流納污能力；對于一維模型的使用，是在河流流量小于100m3/s情況下分析河流納污能力；對于二維模型的使用，是在河流流量大于等于100m3/s情況下分析河流納污能力[3]。

由于朝陽水文站的河流流量小于100m3/s，所以通過構建一維模型來分析河流納污能力，公式為：

(1)

式中，ηR—河道水環(huán)境納污能力，t/a；C1—河道下游污染物目標濃度值，g/L；C0—河道上游污染物目標濃度值，g/L；λ—污染物降解系數(shù)；L—河道長度，m；v—平均流速，m/s；q—河流流量，m3/s。

朝陽河流域的河流為中小河流，天然河流流量不大[4]。在短時間內(nèi)，忽略橫向、縱向污染濃度對污水排放口分布所造成的復雜問題，采用一維模型對朝陽河段河流納污能力進行分析。

2 水資源生態(tài)承載力智能監(jiān)測

2.1 水資源容量數(shù)據(jù)動態(tài)采集

以2017、2019年朝陽水文站數(shù)據(jù)為例，對水資源智能監(jiān)測。

(1)2017年

2017年水資源智能監(jiān)測步驟為：對降雨量自記儀器進行虹吸調試及浮子室清洗養(yǎng)護，養(yǎng)護后清洗20cm蒸發(fā)器及E601型蒸發(fā)器，做好纜道測流系統(tǒng)涂油養(yǎng)護檢查及更換循環(huán)索，重新安裝備用電源及電路改造，調試發(fā)動機，實現(xiàn)朝陽站汛前校測工作[5]。

在各項測驗任務中嚴格按照規(guī)范操作，保質保量完成各項測驗任務，全年實測流量103次，較大洪峰2次，分別于7月6日發(fā)生較大洪峰，水位99.92m，流量463m3/s；8月3日發(fā)生全年最大洪峰，水位101.34m，實測流量1100m3/s。全年共采沙65次，最大含沙量40.0kg/m3，發(fā)生在8月3日。

(2)2019年

2019年水資源智能監(jiān)測步驟為：對降雨量自記儀器進行虹吸調試及浮子室清洗養(yǎng)護，養(yǎng)護后清洗20cm蒸發(fā)器及E601型蒸發(fā)器，做好朝陽站斷面及水尺零點高程進行汛前校測和水準點校測工作，完成纜道系統(tǒng)調試、三索涂油、發(fā)電機維修養(yǎng)護、朝陽站鋁合金窗戶的密封維修及窗簾制作工作。

全年水文測驗工作：1—8月實測流量64次，8月17日實測最高水位98.95m，最大流量85.4m3/s；5月26日，最大降雨量62.9mm。發(fā)送水情報文300余份。完成了松嶺門、白腰、駱駝營子流量巡測任務，實測流量20余次；完成龍?zhí)丁⒘铣傻?個墑情站巡測工作，發(fā)送墑情報文100余份。

2.2 水資源生態(tài)承載力模型構建

通過分析河道水環(huán)境納污能力，結合2017、2019年朝陽水文站智能采集的數(shù)據(jù)，根據(jù)該區(qū)域河道實際污染情況，充分考慮生態(tài)用水需求，以河道水環(huán)境納污能力為研究對象，保證生態(tài)需水量達到最低。選擇一維模型計算朝陽河段河流納污能力，分析可利用的生產(chǎn)、生活水資源數(shù)量，進而估算研究區(qū)域水資源的生態(tài)承載能力[6- 7]。

以人口規(guī)模和GDP規(guī)模衡量我國水資源承載能力，并以此為依據(jù)反映其人口承載能力與經(jīng)濟承載能力。以研究區(qū)可用水量、綜合用水量、人均GDP為依據(jù)，對研究區(qū)水資源的可承載GDP和人口進行測算。構建水量-水質的水資源生態(tài)承載力模型，如圖1所示。

圖1 水資源生態(tài)承載力模型

如圖1所示，首先計算出最小的需水量，以保證該地區(qū)的生態(tài)環(huán)境不會受到損害。然后通過對水資源的限制，計算出可利用的水資源量。之后通過對水質的控制，對研究區(qū)的水環(huán)境容量進行計算[8- 10]。最后通過對地下水的綜合利用指標，可以確定水資源生態(tài)承載力[11]。

2.2.1水量約束

根據(jù)河流的生態(tài)需求量，確定各流域的水資源限制條件。在維持河流流域生態(tài)環(huán)境所需的最小生態(tài)需水量基礎上，保持河道基本生態(tài)環(huán)境滿足該區(qū)域實際需求[12]。

在水資源短缺和用水緊張的區(qū)域，通常按“好”等級劃分，并根據(jù)各節(jié)點的最小生態(tài)流量和徑流特性，選擇最佳生態(tài)環(huán)境。該環(huán)境下對應的流量百分比見表1。

表1 不同狀況對應的流量百分比 單位：%

由表1可知，在河流年徑流量中，河流的寬度、水深、流速都在30%以上。

2.2.2水質約束

水質約束是指每年排放到江河中的污染物總量不超過河道的環(huán)境容量，并根據(jù)河水的環(huán)境容量確定其在水質約束條件下的可用水量。根據(jù)河道水環(huán)境納污能力ηR計算結果，確定河道納污能力[13]。根據(jù)河道內(nèi)主要河流污染負荷，確定污水排放系數(shù)，使污水排放不超過河道納污能力。由于河道生態(tài)環(huán)境隨氣候和周圍環(huán)境變化，因此河道水流變小會影響水環(huán)境容量，導致水資源生態(tài)承載力變化[14]。計算GB/T 23598—2009《水資源公報編制規(guī)程》中水資源總量，公式為：

W=ηR+q+q1

(2)

式中，q1—地下水資源量，m3。

為了滿足河道需水量要求，對流域內(nèi)的水環(huán)境容量進行了測算，并制定出了以水量、水質為基礎的水資源生態(tài)承載能力3種方案，第1種方案為排水全用，全部排水都被用來納污；第2種方案為排水半用，一半排水被用來納污，另一半被用作供水；第3種方案為排水不用，全部排水都被用作供水[15]。

從水量-水質約束條件角度出發(fā)，分析了水資源生態(tài)承載力。充分考慮上述這3種水資源生態(tài)承載力，求取最優(yōu)水資源生態(tài)承載力智能監(jiān)測結果。為此，提出了基于神經(jīng)網(wǎng)絡算法的最優(yōu)承載力計算方法。

2.3 基于神經(jīng)網(wǎng)絡算法的最優(yōu)承載力計算

神經(jīng)網(wǎng)絡是一種前饋性的神經(jīng)網(wǎng)絡，通過該網(wǎng)絡獲取的結果是最優(yōu)的，3層神經(jīng)網(wǎng)絡的結構如圖2所示。

圖2 神經(jīng)網(wǎng)絡拓撲結構

由圖2可知，基于神經(jīng)網(wǎng)絡算法的最優(yōu)承載力計算步驟如下：

步驟1：初始化神經(jīng)網(wǎng)絡，賦予網(wǎng)絡連接權值；

步驟2：設置誤差函數(shù)，隨機選取k個輸入采樣及相應的預期輸出結果，以獲取運算準確度及最大學習次數(shù)；

步驟3：根據(jù)預期輸出結果，確定輸出層各個神經(jīng)元偏導數(shù)；

步驟4：輸出層中各神經(jīng)元的連接權重由各神經(jīng)元的輸出結果進行校正；

步驟5：計算全局錯誤，判定錯誤是否低于設置的臨界值，在錯誤的運算次數(shù)最多時終止，否則繼續(xù)進行下一次學習；

步驟6：從下一輪學習中選取學習樣本及對應的期望輸出結果，在確定最大期望輸出結果情況下，分析水資源生態(tài)承載力在3種方案下的監(jiān)測指標，詳細內(nèi)容如下：

(1)對于方案1的監(jiān)測指標，計算公式為：

(3)

(2)對于方案2的監(jiān)測指標，計算公式為：

(4)

(3)對于方案3的監(jiān)測指標，計算公式為：

(5)

通過上述分析結果可知，第3種方案應用效果最差，第1種方案和第2種方案水資源生態(tài)承載力比第3種方案大。但第1種方案沒有考慮將河水流量作為供水水源，相比第2種方案，不利于水資源可持續(xù)發(fā)展。第2種方案在確保獲取最小需水量情況下，將一半排水用作供水水源。

3 實驗

3.1 實驗背景

根據(jù)GB/T 23598—2009要求，朝陽水文局分析了河南鄭州“7.20”特大暴雨災害報告。全體職工從災害特點、應對策略、相關部門單位責任問題、改進措施等方面進行深入剖析。河南鄭州特大暴雨給當?shù)鼐用裆顜韲乐匚：?，所以需要盡快制定措施，盡快修復電力和通訊設施，保障正常飲水和食品安全，恢復交通正常出行，對地鐵等受損嚴重的場所要盡快恢復。水文作為水利戰(zhàn)線的尖兵，防汛抗洪的耳目，在抗洪救災中發(fā)揮著極其重要作用。

面對類似的強降雨天氣，水文站要及時制定出安全策略，充分利用氣象部門的應急體系，精準分析雨情、水情等水文數(shù)據(jù)。

3.2 實驗數(shù)據(jù)采集

統(tǒng)計2022年水資源生態(tài)承載力數(shù)據(jù)，見表2。

表2 2022年水資源生態(tài)承載力數(shù)據(jù)

結合表2數(shù)據(jù)和上述研究的3種水資源生態(tài)承載力方案，統(tǒng)計理想情況下的數(shù)據(jù)，見表3。

表3 理想情況下2022年水資源生態(tài)承載力數(shù)據(jù)

由表3可知，第2種方案承載人口多和承載GDP規(guī)模大，在2022年可承載人口達到230萬人，可承載GDP規(guī)模達到3325.22億元。

3.3 實驗結果與分析

通過上述分析結果可知，方案2水資源生態(tài)承載力最優(yōu)，以此為研究對象，分別使用基于DPSIRM模型的水源地水資源脆弱性評價方法、基于區(qū)域水量-水質的水資源生態(tài)承載力研究方法和基于神經(jīng)網(wǎng)絡算法的水資源生態(tài)承載力智能監(jiān)測方法，對比分析2022年水資源生態(tài)承載力各項數(shù)據(jù)，對比結果見表4。

表4 3種方法水資源生態(tài)承載力各項數(shù)據(jù)對比分析

由表4可知，使用基于DPSIRM模型的水源地水資源脆弱性評價方法、基于區(qū)域水量-水質的水資源生態(tài)承載力研究方法，各項數(shù)據(jù)均與表2理想數(shù)值不一致。其中在承載人口和承載GDP規(guī)模兩方面與理想數(shù)據(jù)分別存在10萬人、20萬人和312.08億元、169.02億元誤差。使用基于神經(jīng)網(wǎng)絡算法的水資源生態(tài)承載力智能監(jiān)測方法，各項數(shù)據(jù)均與表2理想數(shù)值基本一致，只是承載GDP規(guī)模與理想數(shù)據(jù)存在12.12億元的誤差。

為了進一步驗證所研究方法的有效性，將上述各項數(shù)據(jù)作為輸入數(shù)據(jù)，對不同方法使用的適應度值進行對比分析，對比結果如圖3所示。

圖3 3種方法適應度值對比分析

由圖3可知，基于神經(jīng)網(wǎng)絡算法的水資源生態(tài)承載力智能監(jiān)測方法，在監(jiān)測時間為4個月時趨于穩(wěn)定；使用基于DPSIRM模型的水源地水資源脆弱性評價方法和基于區(qū)域水量-水質的水資源生態(tài)承載力研究方法，分別在監(jiān)測時間為8、10個月時才趨于穩(wěn)定。

通過上述分析結果可知，使用基于神經(jīng)網(wǎng)絡算法的水資源生態(tài)承載力數(shù)據(jù)監(jiān)測結果精準，且適應度值趨于穩(wěn)定時長短，說明使用該方法收斂速度快，明顯優(yōu)于其余2種方法。

4 結語

基于神經(jīng)網(wǎng)絡算法的水資源生態(tài)承載力智能監(jiān)測方法，利用神經(jīng)網(wǎng)絡算法克服傳統(tǒng)方法存在的問題，獲取承載力監(jiān)測最優(yōu)解，提高了收斂速度。因此，水資源生態(tài)承載力模型的構建解決了目前水資源生態(tài)承載力分析僅注重水資源的資源量的問題，從而豐富了水資源的生態(tài)承載力，提高了水資源的可持續(xù)利用能力。

下一步研究，仍需進一步分析收斂因子，努力提高尋優(yōu)效率。而且有關分析的項目還不全面，所以接下來要分析由于天氣、突發(fā)事件等原因造成的非規(guī)律用水需求，并綜合考慮多種因素，以保證該監(jiān)測方法的可行性和實用性。