基于BP神經網絡的避洪安置區(qū)選址研究

徐志遠,王山東,于大超,征 程

(河海大學 地球科學與工程學院,江蘇 南京 210098)

?

基于BP神經網絡的避洪安置區(qū)選址研究

徐志遠,王山東,于大超,征 程

(河海大學 地球科學與工程學院,江蘇 南京 210098)

為了解決洪水災害應急管理中避洪安置區(qū)的選址問題,在總結前人研究成果的基礎上,從自然環(huán)境、可行性、生活條件、社會環(huán)境、實用性等5個方面出發(fā),通過17個具體指標,構建了避洪安置區(qū)選址評價體系;在安置區(qū)的選址分析中引入BP神經網絡,構建了基于BP神經網絡的安置區(qū)選址模型,根據(jù)選址評價體系及相關經驗確定網絡模型各層次的神經元節(jié)點數(shù)量,并采用樣本對模型進行訓練分析,建立了穩(wěn)定的網絡結構,最終實例驗證了該模型在避洪安置區(qū)選址問題中的有效性及可行性。

洪水災害;安置區(qū);選址;BP神經網絡

我國是一個自然災害多發(fā)的國家,洪水災害因其頻率高、危害大,尤為引人關注,全國約有70%的國土、50%的人口、35%的耕地處在洪水災害的威脅之中[1]。據(jù)統(tǒng)計,2000—2011年間,我國自然災害直接損失的年平均值為2 462億元,而洪水災害損失高達1 263億元,占比約為51%,而在2003年、2005年和2010年,這一比例分別高達69%、81%和70%,從這些數(shù)據(jù)可以看出,洪水災害是我國最嚴重的自然災害[2]。隨著經濟的飛速發(fā)展和城市化進程的不斷加速,洪水災害給人民的生命財產安全構成了極大的威脅[3]。為了減少洪災發(fā)生時人員的傷亡和財產的損失,在利用工程措施進行防洪減災的同時,提前做好災害的應急管理顯得尤為重要,而避洪安置區(qū)的選址是洪災應急管理體系必不可少的一部分,是應急措施得以實施的基礎[4]。

選址問題實際上就是最佳區(qū)位的選擇問題[5]。針對選址問題,國內外已有大量學者在各個領域采用不同方法進行了深入分析,利用GIS和傳統(tǒng)重力模型分析相結合的方法,對物流園區(qū)進行選址,取得了良好的效果;文獻[6]中針對內陸無水港的選址問題,采用了模糊k-均值聚類分析的方法進行研究,并實例驗證了方法的可行性;Lin等[7]在波特鉆石理論模型的框架下,應用改進的德爾菲模型,總結出了決定國際度假公園最優(yōu)化選址所需要考慮的影響因素;EL等[8]借助層次分析法的幫助,在GIS中使用多準則決策分析,對加沙地區(qū)垃圾填埋場的選址問題進行研究,最終結果表明加沙地帶只有5.5%的區(qū)域適合作為垃圾填埋場,為相關部門的決策提供了指導。對于各類自然災害應急避難場所的選址問題,于書媛等[9]提出了GIS平臺下基于空間數(shù)據(jù)挖掘的城市應急避難場所選址規(guī)劃模型;郭斌[10]提出了將多目標規(guī)劃理論引入城市自然災害風險避難選址模型,并進行了實例論證分析;倪冠群等[11]在經典的k-中心點模型基礎上,提出了加入道路通行能力限制的選址模型。

從大量的文獻分析來看,國內外學者針對選址問題的研究主要集中于城市規(guī)劃、商業(yè)選址等領域,而針對避洪安置區(qū)域的選址問題,并沒有太多的研究。從分析方法來看,傳統(tǒng)的選址問題使用層次分析法較多,該方法能夠較好地通過兩兩比較的方式對決策問題進行系統(tǒng)性分析,但是定量數(shù)據(jù)較少,定性成分較多,且受主觀因素影響較大,無法客觀地展現(xiàn)出各影響因素對洪災選址的影響大小[12]。研究針對避洪安置區(qū)域的選址問題,采用BP神經網絡的方法構建選址模型,相對于層次分析法,BP神經網絡采取的是構建學習網絡,通過樣本對網絡進行訓練,從而確定各個影響因素的權重,為最后的選址決策提供依據(jù),這一方法避免了過多主觀因素的影響,為避難場所的選址提供更加客觀可信的參考。

1 神經網絡原理及BP神經網絡

人工神經網絡(ANN,artificial neural network)是一種基于模仿大腦學習能力的算法,由大量的神經元節(jié)點互聯(lián)構成復雜的網絡,通過大量的訓練樣本進行學習,不斷修改神經元節(jié)點之間的權重值,最終收斂到一個穩(wěn)定的范圍,進而能夠進行相關問題的求解,可用于回歸預測、分類識別、方案決策等。近年來,人工神經網絡被廣泛應用在商業(yè)選址[13]、城市規(guī)劃[14]、適宜度評價[15]、交通流量預測等領域,而BP神經網絡以其良好的非線性逼近能力和泛化能力以及易實用性等優(yōu)勢[16],受到了廣大學者的青睞。

BP神經網絡是一種利用誤差反向傳播算法訓練的多層次前向神經網絡,結構上由一個輸入層、一個或多個隱含層、一個輸出層構成,每一層包括若干神經元節(jié)點,神經網絡模型就是建立在這些節(jié)點上的,每一個節(jié)點是一個學習單元,其輸出值由輸入值、權值、閾值和激活函數(shù)共同決定[17]。神經元節(jié)點可以抽象為如下的數(shù)學模型：

yj=f(zj),其中:輸入層節(jié)點數(shù)為i;輸出層節(jié)點數(shù)為j;Xi(i=1,2,…,n)是輸入信息;wji為兩層神經元節(jié)點之間的權值;θj為閾值;Zj為總輸入;f為激活函數(shù)(常用的有線性函數(shù)、sigmoid函數(shù)等);yj為輸出信息。圖1是一個典型的三層BP神經網絡模型結構。

BP神經網絡的訓練過程由信息的正向傳播和誤差的反向傳播兩個過程組成。首先對神經網絡各層節(jié)點之間的權值進行隨機初始化,輸入層接收訓練樣本提供的信息,根據(jù)網絡的權值及各層之間的傳遞函數(shù),通過正向傳播對信息進行處理,最終計算得到輸出值,完成了一次正向傳播的過程;當神經網絡的實際輸出與期望輸出不符時,便進入誤差的反向傳播階段,從輸出層開始反向求取各層誤差,采用優(yōu)化算法不斷調整各層節(jié)點之間的權值,直至網絡的輸出誤差達到預先設定的要求,或者達到預先設定的學習次數(shù)。周而復始的正向傳播和反向傳播是權值不斷調整的過程,也是BP神經網絡的訓練過程,如圖2所示。

圖1 三層BP神經網絡模型結構Fig.1 Three-layer BP neural network model structure

圖2 BP神經網絡學習過程Fig.2 BP neural network learning process

2 模型構建

2.1 避洪安置區(qū)選址評價體系

避洪安置區(qū)選址的影響因素較多,在借鑒前人的經驗以及考慮洪澇災害這一特殊問題的基礎上,選址影響因素從5個方面進行考慮,并通過17個具體指標進行論述,如表1所列。

表1 洪災安置區(qū)選址評價指標說明

(1)自然環(huán)境 自然環(huán)境是避洪安置區(qū)選址需要考慮的首要因素。一個區(qū)域能否作為安置區(qū),取決于洪水到來時,其高程能否達到高于洪水水位1 m的條件,即不被洪水威脅;土地類型能否滿足要求,即安置區(qū)應該設置在村莊、大面積空地等能夠進行安置的場所,而非農田、荒地等區(qū)域;另外,安置區(qū)的坡度坡向應滿足適宜居住的條件,不可設在斜坡、陡坡等區(qū)域,安置區(qū)也應盡可能地遠離洪水。

(2)可行性 安置可行性是安置區(qū)選址需要考慮的另一重要因素。首先,安全是需要優(yōu)先考慮的,安置區(qū)的選擇要保證人員的安全,遠離地質斷層、塌方等具有安全隱患的區(qū)域;安置區(qū)周邊的路網環(huán)境需要能夠進行大批量轉移,且安置區(qū)必須易于到達;安置區(qū)的人口容量限制了其能夠安置的人口數(shù)量,安置規(guī)劃時,每個人至少需要分配3 m2的安置面積;另外,安置區(qū)相對于受災居民應該是就近選取的。

(3)生活條件 洪澇災害發(fā)生時,受災居民可能會較長時間安置居住在安置區(qū)內,所以安置區(qū)的規(guī)劃選址過程中應考慮到安置區(qū)需要滿足一定的生活條件,譬如周邊地區(qū)能夠提供基本的生活需求供應、水電供應、醫(yī)療保障設施等。

(4)社會環(huán)境 安置區(qū)及其周邊的社會環(huán)境是選址時必須考慮到的因素,一個公共環(huán)境差、犯罪率高的地區(qū)是不適宜作為安置區(qū)域的,所以在安置區(qū)選址時,需要考慮其周邊地區(qū)政府的監(jiān)管是否有力,公共秩序是否良好,以及當?shù)氐木用駥ν鈦戆仓萌丝诘慕蛹{程度。

(5)實用性 在安置區(qū)的選址建設過程中,首先應該優(yōu)先使用學校、體育場等大型區(qū)域進行安置;在露天安置區(qū)域的建設中,需要考慮到安置區(qū)的規(guī)劃建設是否滿足當?shù)氐拈L遠規(guī)劃,建設材料在安置之后能否重復使用,是否滿足可持續(xù)發(fā)展的理念。

2.2 基于BP神經網絡的選址模型構建

將BP神經網絡應用于避洪安置區(qū)選址問題的主要思路如下：將影響某個地區(qū)能否作為安置區(qū)的影響因素作為輸入,將某個備選區(qū)域的得分作為輸出,構建BP神經網絡;對現(xiàn)有安置區(qū)的各項影響因素進行調研,作為訓練樣本輸入神經網絡,構建穩(wěn)定的網絡結構;針對同一類型的安置區(qū)選址問題,對備選區(qū)域的各項影響因素進行調研,將調研結果輸入到神經網絡,便能夠通過輸出值預測該區(qū)域作為安置區(qū)的適宜性。

(1)確定輸入輸出神經元 根據(jù)以上提到的5個需要考慮的方面,共有17個影響避洪安置區(qū)選址的具體因素,故將輸入層設置為17個神經元節(jié)點,分別對應17個影響因素,輸出層設置為1個節(jié)點,即備選區(qū)域作為安置區(qū)的得分,構建BP神經網絡。

(2)神經元標準化 在安置區(qū)選址的諸多影響因素中,有定量指標,也有定性指標,不同因素之間的衡量標準不一致,且各因素的輸入數(shù)據(jù)范圍可能相差較大,具有較大的變異程度,這些會導致神經網絡收斂速度慢、訓練時間長以及不同因素的輸入數(shù)據(jù)在訓練過程中所占的比重相差懸殊等負面影響。為了消除數(shù)據(jù)之間量綱的影響,解決變量變異程度不同的問題,便于數(shù)據(jù)的統(tǒng)一處理,需要對神經網絡的原始輸入數(shù)據(jù)進行標準化預處理。

對于輸出神經元的標準化,通過訪談將得分Q≥4的定義為好;3≤Q<4定義為較好;2≤Q<3定義為一般;1≤Q<2定義為較差;Q<1定義為差。最后根據(jù)神經網絡的輸出值判斷待選地點作為安置區(qū)的適宜性。

3 應用實例

安徽省地理位置特殊,洪澇災害頻發(fā),有50%的耕地、60%的人口及70%的國民生產總值處在江河洪水的威脅之下。提前規(guī)劃災害的應急管理,做好避洪安置區(qū)選址及避險轉移規(guī)劃,對于提高防災減災能力、減少或避免生命財產的損失起著至關重要的作用。研究針對安徽省安慶市的避洪安置區(qū)選址問題,構建BP神經網絡模型,并應用于安置區(qū)選址的實際問題中。

3.1 BP神經網絡構建

結合相關的理論及經驗,將隱含層節(jié)點數(shù)設定為35,即BP神經網絡的結構為17×35×1。將安徽省安慶市望江縣的72處避洪安置區(qū)作為訓練樣本,輸入層和隱含層之間的激活函數(shù)使用sigmoid函數(shù),隱含層和輸出層之間使用purelin函數(shù),選用trainlm函數(shù)作為網絡的訓練函數(shù),設定目標誤差為0.000 01,構建BP神經網絡。將樣本輸入網絡進行訓練,經過3次迭代后網絡的均方誤差達到目標要求的水平,網絡趨于穩(wěn)定,訓練結果如圖3所示。

圖3 望江縣安置區(qū)選址BP神經網絡模型訓練結果Fig.3 BP neural network training result of Wangjiang County resettlement area site selection

3.2 選址評價應用

現(xiàn)需要對安慶市懷寧縣進行避洪安置區(qū)的選址,備選安置區(qū)如圖4所示。P1、P2、P3為三處備選安置區(qū),P1處地勢較高,在洪水來臨時能夠很好地避免洪水侵襲,空地面積較大,可容納人口數(shù)較多,但交通便利程度以及生活需求供應水平一般;P2處為學校所在地,教室及操場能夠進行大量人員的安置,交通便利,生活需求供應較好,且周邊有醫(yī)院可提供必要的醫(yī)療保障,但地勢相對較低,洪水發(fā)生時與洪水距離較近;P3處為停車場所在地,地勢較高,可避免洪水侵襲,交通極為便利,周邊有醫(yī)院可提供必要的醫(yī)療保障,可容納人口數(shù)較多,生活需求供應較好。

圖4 備選安置區(qū)區(qū)位圖Fig.4 Alternative resettlement area site schematic diagram

通過查閱相關資料,結合實地調研,獲取三個備選區(qū)域在安置區(qū)選址各項評價指標上的表現(xiàn),得到原始的評估數(shù)值,并按照前述方法進行標準化處理,結果如表2所列。

表2 備選安置區(qū)各項評價指標原始數(shù)值及標準化值

將標準化結果輸入到已建成的BP神經網絡中,得到P1、P2、P3的得分分別為3.366 0、3.998 8、4.214 4。從BP網絡的輸出結果可以看出,三個備選安置區(qū)均能夠達到“較好”的水平,其中P3已經達到“好”的標準,能夠滿足作為避洪安置區(qū)的要求,這些數(shù)據(jù)為避洪安置區(qū)的最終確定提供了一定的決策支持。

4 結論

針對洪澇災害應急管理體系中必不可少的一部分——避洪安置區(qū)的選址問題,研究從自然環(huán)境、可行性、生活條件、社會環(huán)境、實用性等5個方面考慮,構建了一套避洪安置區(qū)選址評價體系,并在避洪安置區(qū)的選址分析中引入BP神經網絡,根據(jù)選址評價體系中的具體指標數(shù)量確定神經元節(jié)點數(shù)量,利用其良好的非線性逼近能力及泛化能力,選取現(xiàn)有的72個安置區(qū)數(shù)據(jù)作為樣本,對BP網絡進行訓練,形成穩(wěn)定的網絡結構;對于同一類型的安置區(qū)選址問題,收集備選區(qū)域的相關信息,輸入神經網絡,最終輸出評價得分。實驗證明,BP神經網絡能夠對備選區(qū)域進行有效評價,為避洪安置區(qū)的最終選址提供有力的決策支持。

[1] 王棟,潘少明,吳吉春,等.洪水風險分析的研究進展與展望[J].自然災害學報,2006,15(1):103-109.

[2] 李隆玲,任金政.我國洪水災害現(xiàn)狀及區(qū)劃特征[J].中國水利,2014,65(7):48-51.

[3] 李瓊.洪水災害風險分析與評價方法的研究及改進[D].武漢:華中科技大學,2012.

[4] 張永領.公眾洪災應急避險模式和避險體系研究[J].自然災害學報,2013,22(4):227-233.

[5] Weber A,Friedrich C J.Alfred Weber’s Theory of the Location of Industries[EB/OL].http://www.csiss.org/classics/content/51,1929.

[6] 李慧遠.基于模糊k-均值聚類分析的內陸無水港選址問題研究[D].西安:長安大學,2014.

[7] Lin C T,Juan P J.Measuring Location Selection Factors for International Resort Parks[J].Quality & Quantity,2010,44(6):1 257-1 270.

[8] El Baba M,Kayastha P,De Smedt F.Landfill Site Selection Using Multi-criteria Evaluation in the GIS Interface:A Case Study from the Gaza Strip,Palestine[J].Arabian Journal of Geosciences,2014,7(12):1-15.

[9] 于書媛,陳靚,王偉.基于空間數(shù)據(jù)挖掘的合肥市應急避難場所選址[J].地理空間信息,2015,13(1):93-95.

[10] 郭斌.基于多目標規(guī)劃的城市自然災害避險場所優(yōu)化分析[D].西安:西安建筑科技大學,2012.

[11] 倪冠群,徐寅峰,徐玖平.考慮道路通行能力的應急避難點選址模型及算法[J].中國管理科學,2015,32(1):82-88.

[12] 鄭龍生,楊曉霞.基于BP神經網絡模型的商務型飯店微觀選址研究——以重慶市為例[J].西南大學學報:自然科學版,2011,55(4):162-165.

[13] 柳宗偉,毛蘊詩.基于GIS與神經網絡的商業(yè)銀行網點選址方法研究[J].商業(yè)經濟與管理,2004,24(9):55-59.

[14] 蔡志雄.基于神經網絡的中小城市常規(guī)公交客運量預測研究[D].成都:西南交通大學,2013.

[15] 周秋文,方海川,蘇維詞.基于GIS和神經網絡的川西高原生態(tài)旅游適宜度評價[J].資源科學,2010,34(12):2 384-2 390.

[16] 周雪倩.基于遺傳神經網絡的水質評價模型優(yōu)化及應用[D].成都:四川師范大學,2008.

[17] 翟森競,柴華奇.BP神經網絡在大型超市選址中的應用[J].工業(yè)工程,2006,9(4):109-112.

Flood-avoiding Resettlement Area Site Selection Research Based on BP Neural Network

Xu Zhiyuan,Wang Shandong,Yu Dachao,Zheng Chen

(SchoolofEarthScienceandEngineering,HohaiUniversity,Nanjing210098,China)

Natural disasters have frequent happened in our country,the flood has became most serious natural disaster in our country because of high frequency and great damage.In order to solve the flood-avoiding resettlement area site selection problem in the flood hazard emergency management and based on the summary of previous research achievements,establish the flood-avoiding resettlement area site selection assessment system which starts from the five aspects of natural environment,feasibility,living condition,social environment and practicability and by means of 17 specific indicators;introduce the BP neural network in the resettlement area site selection analysis,establish the resettlement area site selection model based on BP neural network,based on neuron node quantity of site selection assessment system and each level of network model confirmed according to relevant experiences and adopted certain samples to train the model,establish the stable network model and final examples verified the validity and feasibility of this model in the flood-avoiding resettlement area site selection problem.

Flood hazard;Resettlement area;Site selection;BP neural network

Xu Zhiyuan,Wang Shandong,Yu Dachao,etal.Flood-avoiding Resettlement Area Site Selection Research Based on BP Neural Network[J].Journal of Gansu Sciences,2016,28(6):36-41.[徐志遠,王山東,于大超,等.基于BP神經網絡的避洪安置區(qū)選址研究[J].甘肅科學學報,2016,28(6):36-41.]

10.16468/j.cnki.issn1004-0366.2016.06.008.

2015-06-25;

2015-08-10.

徐志遠(1993-),男,江西景德鎮(zhèn)人,碩士研究生,研究方向為GIS工程.E-mail:xzy_1108@163.com.

TV873

A

1004-0366(2016)06-0036-06