水電工程移民安置項目成功度后評價方法研究

[摘 要] 水電工程移民安置項目后評價對總結項目成敗具有重要意義。根據水電工程特點構建的移民安置項目成功度后評價指標體系，提出了基于模糊神經網絡的水電工程移民安置成功度后評價方法，保證了評價結果的客觀性和準確性。

[關鍵詞] 水電工程 移民安置 項目成功度 后評價

一、引言

水電工程移民是水電工程建設的重要組成部分，涉及社會、經濟、資源、生態(tài)、環(huán)境等諸多方面。水電工程移民能否得到妥善安置，影響著區(qū)域社會、經濟與環(huán)境的協(xié)調發(fā)展，以及移民自身的可持續(xù)發(fā)展，因此備受各界關注。

水電工程移民安置項目成功度后評價就是對已完成的移民安置項目是否達到預期的效果，以及產生的作用和影響所進行的系統(tǒng)的、客觀的評價，并分析其以后的發(fā)展趨勢，總結經驗教訓，為今后移民安置工作提供建議，以期合理地進行后期扶持，并對移民區(qū)經濟發(fā)展提供對策與建議。目前對其主要有以下幾種研究方法:(1)專家打分法或經驗判斷法。(2)基于灰色聚類法的項目成功度評價，該方法能比較客觀地反映項目的真實情況，但對于成功度指標比較復雜的大型項目，在計算速度和精度上存在缺陷。(3)運用神經網絡對成功度進行評價。該方法目前只是處于嘗試階段?；诖?，本文提出了基于模糊神經網絡的水電工程移民安置項目成功度后評價方法。

二、基于模糊神經網絡的項目成功度評價體系

1.建立指標體系的基本原則。水電工程移民安置項目成功度后評價的核心是對項目實施效果成功度進行評價。而水電工程移民是一個涉及多方面的復雜體系，因此需要為其構建科學完備的實施效果后評價指標體系。指標體系的構建要遵循以下原則:

(1)全面性。評價指標體系作為一個有機整體是多種因素綜合作用的結果，同時水電工程移民內容的多樣性要求指標體系具有足夠的涵蓋面，從不同角度反映出被評價系統(tǒng)的主要特征和狀況。

(2)科學性。水電工程移民安置項目實施效果后評價指標體系應建立在科學的基礎上，尤其是具體指標的設置、構成、層次等要建立在充分認識、系統(tǒng)研究的科學基礎上，社會、經濟、資源和環(huán)境等主要構成要素應在指標體系中得到充分的反映。

(3)動態(tài)性。作為一個系統(tǒng)，水電工程移民是一個不斷變化發(fā)展的動態(tài)過程，要求其評價指標體系充分考慮系統(tǒng)動態(tài)變化的特點。

(4)理論性與實踐性相結合。水電工程移民安置項目實施效果成功度后評價指標體系的構成應以理論分析為基礎，但在實際應用中往往受到資料來源和數(shù)據支持的制約。因此，要求評價指標體系中相應指標的量化應是可行的，且獲取數(shù)據較為容易、準確可靠，盡量利用現(xiàn)存數(shù)據和己有的規(guī)范標準。

2.水電工程移民安置項目成功度評價指標體系。根據以上原則，結合大量相關項目后評價報告資料，本文構建了水電工程移民安置項目成功度評價指標體系(見上表)。

三、模糊神經網絡成功度評價模型構建方法

1.構建評價指標相對隸屬度矩陣。步驟:

(1)構建n個級別，m個評價因子的成功度后評價標準值矩陣X:，式中，是第i項評價因子所對應的第j級評價標準值

(2)假設已計算得到該項目成功度的成功度值，構成檢測樣本值矩陣Y:，式中，表示第i項成功度指標的值。

(3)運用模糊數(shù)學中的相對隸屬度來描述項目的成功度指標的值，規(guī)定第i項成功度指標的第1級別的標準值對于模糊集“成功”的相對隸屬度pi1，而第n級標準值對應的相對隸屬度pin=1。介于1級與n級之間的第i項指標的第j級標準值的相對隸屬度為pij，采用線性內插公式進行計算: (1)

(4)應用公式(1)，構造成功度評價指標標準值相對隸屬度矩陣R:

(5)把項目的各個成功度指標值轉化為評價等級集合的相對隸屬度，計算方法見下式:(2)

(6)應用公式(2)，構造實際項目檢測樣本指標相對隸屬度矩陣T:

2.構建BP神經網絡模型。BP神經網絡屬于正向前饋神經網絡，具有很強的自學習和自組織能力，對輸入的數(shù)據和規(guī)則計算有很強的容錯性和穩(wěn)健性，因此用來評價項目成功度是可行的。下面以三層BP網絡建立模型，其拓撲結構如圖所示。

設有k個樣本向量，網絡輸入層神經元個數(shù)為n，中間層神經元個數(shù)為p，輸出層神經元個數(shù)為m，網絡輸入向量，輸出向量，期望輸出向量，為輸入層到中間層的連接權，為中間層到輸出層的連接權，為中間層單元的閾值，為輸出層單元的閾值，其中。其計算步驟如下:

(1)對樣本向量進行歸一化處理，將數(shù)據處理為(0，1)之間的數(shù)據，給權值和閾值賦予(-1，1)之間的隨機初值，選取一組輸入和目標樣本提供給網絡。

(2)計算隱含層和輸出層各單元的輸入和相應輸出。 (3)

(3)根據網絡輸出計算輸出層誤差和隱含層誤差。(4)

(4)利用誤差調整值對各層權值和閾值進行調整。(5)

(5)選取下一個學習樣本向量提供給網絡，返回步驟2，直到全局誤差E小于預先設定值，則學習結束。

3.移民安置后評價模糊神經網絡模型的實現(xiàn)

(1)模糊神經網絡模型的學習過程。據構造出的成功度評價指標標準值相對隸屬度矩陣R，和實際項目檢測樣本指標相對隸屬度矩陣T，對網絡進行訓練。為了提高訓練精度，需要對R進行有限次內插，要求內插樣本k的指標i對評價級別j的相對隸屬度均為，則內插樣本k的隸屬于評價級別j的隸屬度為，并且其滿足。定義內插樣本k對應的標準級別值為，則有:(6)(7)

式中，i=1，2，…，n;j=1，2，…，m;q=1，2，…，c-1;c值可根據插值樣本個數(shù)進行調整。并且從中選取部分樣本連同評價標準樣本作為學習樣本，對應的級別值作為輸出樣本，余下的作為網絡的檢驗樣本。

(2)項目成功度后評價步驟。水電工程移民安置項目可以根據上述方法確定學習樣本和目標輸出，調整隱含層和輸入層個數(shù)，構建BP神經網絡。具體步驟:①根據上表中水電工程移民安置項目成功度評價指標體系， 構建神經網絡的輸入層。②將各指標的評價值進行模糊處理后， 作為神經網絡的訓練樣本集。③啟動神經網絡進行學習， 經反復迭代直到收斂到相應的精度條件， 儲存學習好的神經網絡綜合評價模型。④將標準化的評價矩陣輸入設計好的模型， 即可得出評價、評價結果。

四、結論

本文運用模糊神經網絡對水電工程移民項目進行成功度后評價， 弱化了評價過程中的隨機性和評價人員確定指標權重的主觀性，保證了評價結果的客觀性和科學性，具有很強的實際意義。由于本文主要從后評價的方法層面進行研究，所以需要進一步開展實證研究，來驗證該方法的科學性和實用性。

參考文獻:

[1]劉向富:BP神經網絡在水電工程移民安置后評價中的應用[J].水利技術監(jiān)督，2008，03:34～35

[2]張君偉:水利水電工程移民安置項目后評價研究[D]. 南京，河海大學，2006

[3]牛東曉 呂佳良:關聯(lián)分析在電力負荷灰色神經網絡預測中的應用[J].華東電力，2007，35(08):60～62

[4]李艷昌 徐 帥:基于神經網絡修正的殘差智能灰色模型在負荷預測中的應用[J].華東電力，2007，35(11):30～33(5)