王 婧，靳春玲，貢 力,2，逯曄坤，朱桂勇

(1.蘭州交通大學(xué) 土木工程學(xué)院，甘肅 蘭州 730070；2.蘭州交通大學(xué)調(diào)水工程及輸水安全研究所，甘肅 蘭州 730070；3.水利部海河水利委員會(huì)引灤工程管理局，河北 遷西 064309)

1 研究背景

21世紀(jì)以來，我國社會(huì)已經(jīng)牢固樹立起保護(hù)生態(tài)文明的觀念。祁連山脈作為我國西部重要的生態(tài)安全屏障及生物多樣性保護(hù)優(yōu)先區(qū)域[1]，近些年來生態(tài)安全問題層出不窮，在社會(huì)上引起了廣泛關(guān)注。疏勒河流域作為祁連山脈內(nèi)流水系的一部分，其水安全問題直接影響著祁連山脈整體的生態(tài)安全，因此，對(duì)疏勒河流域水安全進(jìn)行評(píng)價(jià)研究，對(duì)祁連山脈生態(tài)治理具有積極意義。

針對(duì)疏勒河流域水安全問題，我國學(xué)者已取得部分研究成果。如潘竟虎等[2]通過建立遙感綜合評(píng)價(jià)模型對(duì)疏勒河流域生態(tài)系統(tǒng)質(zhì)量進(jìn)行了評(píng)價(jià)研究，得出疏勒河流域2001-2010年生態(tài)質(zhì)量處于較低水平；柳思等[3]通過EES模型建立了疏勒河土地生態(tài)安全評(píng)價(jià)指標(biāo)體系，結(jié)合熵權(quán)物元模型計(jì)算得到2005-2014年疏勒河流域土地安全狀況仍然存在惡化風(fēng)險(xiǎn)；周蘇娥等[4]對(duì)甘肅省河西地區(qū)自然-社會(huì)系統(tǒng)的脆弱性進(jìn)行了定量研究，結(jié)果得出疏勒河流域脆弱性最高，并提出自然適應(yīng)能力、社會(huì)經(jīng)濟(jì)敏感性、自然敏感性和自然暴露度是影響脆弱性的關(guān)鍵因素；岳東霞等[5]運(yùn)用遙感技術(shù)和GIS技術(shù)，對(duì)疏勒河流域近20年的生態(tài)承載力和生態(tài)需水量進(jìn)行了分析，得出疏勒河流域生態(tài)承載力與生態(tài)需水量呈正相關(guān)的關(guān)系。這些研究成果不僅為祁連山脈內(nèi)陸水系水安全評(píng)價(jià)提供了可參考的模型及方法，同時(shí)也表明疏勒河流域水安全問題仍然并將長(zhǎng)期存在，需要通過后續(xù)不斷地研究進(jìn)行改善。

目前，運(yùn)用學(xué)習(xí)向量量化(learning vector quantization，LVQ)網(wǎng)絡(luò)模型進(jìn)行區(qū)域水安全評(píng)價(jià)研究的文獻(xiàn)較少，本文在既有研究的基礎(chǔ)上，通過建立祁連山脈水安全評(píng)價(jià)指標(biāo)體系，運(yùn)用模糊C-均值聚類(fuzzy C-means algorithm，F(xiàn)CM)算法優(yōu)化后的LVQ網(wǎng)絡(luò)模型對(duì)疏勒河流域水安全等級(jí)進(jìn)行了評(píng)價(jià)，并與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)結(jié)果進(jìn)行了對(duì)比。FCM-LVQ網(wǎng)絡(luò)模型不僅可以避免指標(biāo)權(quán)重分配等人為因素的干擾，而且其結(jié)構(gòu)簡(jiǎn)單，運(yùn)行速度快，對(duì)難以進(jìn)行模式分類的變量也能取得比較滿意的結(jié)果，因此相比其他傳統(tǒng)評(píng)價(jià)方法[6-9]更加簡(jiǎn)單易行。

2 數(shù)據(jù)來源與研究方法

2.1 研究區(qū)概況

祁連山脈地處于青海省東北部及甘肅省西部邊界地區(qū)，是我國境內(nèi)主要山脈之一，也是西北地區(qū)重要的生態(tài)蓄水中心，其生態(tài)安全直接關(guān)系到西北地區(qū)生態(tài)系統(tǒng)的穩(wěn)定。山脈自西北向東南走向由多條平行山脈與寬谷組成，海拔4 000～6 000 m，面積約2 062 km2。疏勒河是河西走廊三大內(nèi)陸河之一，發(fā)源于祁連山脈西段，總體地勢(shì)東高西低，生態(tài)環(huán)境較為脆弱。流域氣候類型為內(nèi)陸干旱性氣候，在這一氣候條件下流域內(nèi)普遍發(fā)育的地帶性土壤為棕漠土，植被主要為溫性荒漠植被類型。流域面積約為41 300 km2，年平均降水量約為47～63 mm，年蒸發(fā)量為2 897～3 042 mm，年平均氣溫為6.9～8.8 ℃，年水資源總量為11.34×108m3，其中：地表水資源總量為10.82×108m3；不重復(fù)的地下水資源總量為0.52×108m3。由于歷史原因造成的河西走廊斷陷，使得走廊低洼、鹽堿聚集、荒漠化嚴(yán)重。結(jié)合近年相關(guān)研究表明，疏勒河流域仍然存在著天然植被萎縮、草場(chǎng)退化、水土流失等一系列問題，需要進(jìn)一步進(jìn)行治理和完善。

2.2 數(shù)據(jù)來源

為保證研究數(shù)據(jù)真實(shí)有效，本文樣本數(shù)據(jù)取自《甘肅省水資源公報(bào)》《甘肅省水利發(fā)展統(tǒng)計(jì)公報(bào)》《甘肅省城鄉(xiāng)統(tǒng)計(jì)資料匯編》《酒泉市統(tǒng)計(jì)年鑒》等資料。通過統(tǒng)計(jì)各評(píng)價(jià)指標(biāo)2013-2019年的數(shù)據(jù)作為測(cè)試數(shù)據(jù)，應(yīng)用訓(xùn)練好的FCM-LVQ網(wǎng)絡(luò)模型得到疏勒河流域水安全評(píng)價(jià)結(jié)果。

2.3 水安全評(píng)價(jià)指標(biāo)體系及等級(jí)劃分標(biāo)準(zhǔn)

2.3.1 水安全評(píng)價(jià)指標(biāo)體系 目前，國內(nèi)外還沒有形成一套通用的水安全評(píng)價(jià)指標(biāo)體系，指標(biāo)體系的合理構(gòu)建直接關(guān)系到水安全評(píng)價(jià)結(jié)果的合理性與準(zhǔn)確性。為了能更好地反映出祁連山脈內(nèi)流水系水安全狀況，本文在結(jié)合祁連山脈生態(tài)問題及疏勒河自身環(huán)境問題的基礎(chǔ)上，參考相關(guān)論文[10-13]及規(guī)范[14]，從水環(huán)境、水生態(tài)、水監(jiān)管、水治理4個(gè)方面建立了環(huán)境-生態(tài)-監(jiān)管-治理模型用于構(gòu)建內(nèi)陸河流域水安全評(píng)價(jià)指標(biāo)體系。得到環(huán)境安全和生態(tài)安全(各5個(gè)評(píng)價(jià)指標(biāo))及監(jiān)管安全和治理安全(各4個(gè)評(píng)價(jià)指標(biāo))共18個(gè)評(píng)價(jià)指標(biāo)的水安全評(píng)價(jià)指標(biāo)體系，具體評(píng)價(jià)指標(biāo)及計(jì)算方法如表1所示。

表1 疏勒河流域水安全評(píng)價(jià)指標(biāo)

2.3.2 評(píng)價(jià)指標(biāo)等級(jí)劃分標(biāo)準(zhǔn) 結(jié)合國家相關(guān)標(biāo)準(zhǔn)及文獻(xiàn)資料[6-8]可知，安全級(jí)別常常被劃分為以下5個(gè)等級(jí)：非常安全、安全、基本安全、不安全、非常不安全，可分別用Ⅰ級(jí)、Ⅱ級(jí)、Ⅲ級(jí)、Ⅳ級(jí)、Ⅴ級(jí)表示。參考相關(guān)規(guī)范[14]及地區(qū)發(fā)展規(guī)劃要求值，結(jié)合前人研究成果[10-13]，得到各指標(biāo)等級(jí)劃分標(biāo)準(zhǔn)，如表2所示。

表2 疏勒河流域水安全評(píng)價(jià)等級(jí)劃分標(biāo)準(zhǔn)

2.4 研究方法

2.4.1 模糊C-均值聚類算法(FCM) 模糊C-均值聚類[15]是根據(jù)模糊理論對(duì)數(shù)據(jù)進(jìn)行聚類分析和建模的方法，通過對(duì)樣本類屬的不確定性描述，客觀反映數(shù)據(jù)間的類屬關(guān)系。其核心是通過將基于某種范數(shù)及聚類原型的目標(biāo)函數(shù)最小化來達(dá)到數(shù)據(jù)分類的目的。設(shè)X={xj}(j=1,2,…,n)表示樣本集合，V={vi}(i=1,2,…,c)表示聚類中心，U={uij}為指標(biāo)隸屬度矩陣，其中n為樣本個(gè)數(shù)，c為最優(yōu)聚類數(shù)目。FCM算法具體步驟[16-17]如下：

(1)由于聚類數(shù)目關(guān)系到最佳聚類結(jié)果，而依據(jù)人為經(jīng)驗(yàn)設(shè)定聚類數(shù)目的方法過于籠統(tǒng)，因此本文通過信息熵[18]來確定最優(yōu)聚類數(shù)目c，當(dāng)聚類數(shù)目劃分合理，數(shù)據(jù)點(diǎn)對(duì)某一類隸屬度越大時(shí)，則該類隸屬和非隸屬的信息熵之和H(k)就越小，即公式(1)的計(jì)算結(jié)果越小。

(1)

式中：k=cmin-1，當(dāng)聚類數(shù)目k從最小值cmin增加到最大值cmax時(shí)，會(huì)產(chǎn)生cmax-cmin+1個(gè)H(k)值，其中最小的H(k)值所對(duì)應(yīng)的聚類數(shù)目k即為最優(yōu)聚類數(shù)目c。

(2)設(shè)定最優(yōu)聚類數(shù)目c及模糊指數(shù)m；初始化聚類中心V(0)；設(shè)置收斂精度ε>0；令迭代次數(shù)l=0。

(3)設(shè)dij=‖xj-vi‖表示樣本點(diǎn)xj到聚類中心向量vi的距離，根據(jù)公式(2)修正指標(biāo)隸屬度矩陣U(l+1)。

(2)

(4)根據(jù)公式(3)計(jì)算聚類中心V(l+1)，然后令迭代次數(shù)l=l+1。

(3)

(5)重復(fù)步驟(4)，直到符合如下條件：

‖V(l)-V(l-1)‖≤ε(l≥1)

(4)

2.4.2 LVQ神經(jīng)網(wǎng)絡(luò)模型 LVQ神經(jīng)網(wǎng)絡(luò)[19]是根據(jù)事先指定的目標(biāo)分類結(jié)果，通過在網(wǎng)絡(luò)中的監(jiān)督學(xué)習(xí)來完成對(duì)輸入矢量的準(zhǔn)確分類，其模型結(jié)構(gòu)如圖1所示。由圖1可見，LVQ神經(jīng)網(wǎng)絡(luò)有競(jìng)爭(zhēng)層和線性層兩個(gè)網(wǎng)絡(luò)層，網(wǎng)絡(luò)層的每一個(gè)神經(jīng)元的輸出均與一個(gè)分類(子分類或目標(biāo)分類)結(jié)果相對(duì)應(yīng)，競(jìng)爭(zhēng)層在網(wǎng)絡(luò)學(xué)習(xí)中，得到S1類子分類結(jié)果；然后通過線性層再將S1類子分類結(jié)果分成S2類目標(biāo)分類結(jié)果(S1>S2)。

圖1 LVQ神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

LVQ網(wǎng)絡(luò)算法[20-22]的計(jì)算步驟如下：

(1)設(shè)輸入向量為x=(xj)T(j=1,2,…,n)，wij為輸入向量層神經(jīng)元j與競(jìng)爭(zhēng)層神經(jīng)元i之間的權(quán)值，初始化權(quán)值wij及學(xué)習(xí)速率η(η>0)。

(2)根據(jù)公式(5)計(jì)算競(jìng)爭(zhēng)層神經(jīng)元與輸入向量間的距離di，S為競(jìng)爭(zhēng)層神經(jīng)元個(gè)數(shù)。

(5)

(3)選擇最小di值的競(jìng)爭(zhēng)層神經(jīng)元，將與其相連接的輸出層神經(jīng)元的類別記為Ci。

(4)記輸入向量對(duì)應(yīng)的類別為Cx，神經(jīng)元i對(duì)應(yīng)類別為Ci，若Cx=Ci，則神經(jīng)元i、j根據(jù)公式(6)進(jìn)行權(quán)值修正，否則，根據(jù)公式(7)進(jìn)行權(quán)值更新。

(6)

(7)

2.4.3 FCM-LVQ網(wǎng)絡(luò)模型 采用FCM-LVQ網(wǎng)絡(luò)模型對(duì)流域水安全進(jìn)行評(píng)價(jià)的具體流程可用圖2水安全評(píng)價(jià)模型建立流程圖來表示。首先，對(duì)訓(xùn)練樣本集通過FCM聚類將評(píng)價(jià)樣本劃分為不同類別，結(jié)合專家打分法對(duì)指標(biāo)再次篩選獲得新的評(píng)價(jià)樣本，將這一經(jīng)過處理的樣本數(shù)據(jù)作為輸入矢量在LVQ神經(jīng)網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，達(dá)到訓(xùn)練精度要求后通過仿真模型驗(yàn)證訓(xùn)練效果。然后，對(duì)測(cè)試樣本集進(jìn)行數(shù)據(jù)處理(方法同訓(xùn)練樣本集)，利用訓(xùn)練好的LVQ網(wǎng)絡(luò)獲得最終的水安全評(píng)價(jià)結(jié)果，并與傳統(tǒng)評(píng)價(jià)模型進(jìn)行對(duì)比，以驗(yàn)證評(píng)價(jià)模型的適用性。

圖2 水安全評(píng)價(jià)模型建立流程圖

FCM-LVQ網(wǎng)絡(luò)模型能夠避免指標(biāo)樣本數(shù)據(jù)的冗余，提高LVQ神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度，同時(shí)能夠防止數(shù)據(jù)降維過程中重要指標(biāo)丟失，使評(píng)價(jià)結(jié)果與實(shí)際情況更相符。

3 結(jié)果與分析

3.1 FCM聚類分析

(1)對(duì)表2中的水安全評(píng)價(jià)各指標(biāo)閾值采用插值法進(jìn)行劃分，設(shè)定每?jī)山M樣本數(shù)據(jù)對(duì)應(yīng)水安全評(píng)價(jià)的1個(gè)分類級(jí)別，根據(jù)表2中的5類水安全分類級(jí)別，則可獲得10組插值數(shù)據(jù)，從而構(gòu)成初始樣本矩陣P。

(2)根據(jù)前文2.4.1節(jié)中信息熵原理，得到信息熵H(k)隨聚類數(shù)目k的變化趨勢(shì)如圖3所示。由圖3可知，當(dāng)k=2時(shí)熵值最小，因此，最優(yōu)聚類數(shù)目c取值為2。

圖3 信息熵H(k)隨聚類數(shù)目k的變化趨勢(shì)

(3)設(shè)最大迭代次數(shù)為200，目標(biāo)函數(shù)的終止容限設(shè)為1×10-6，利用MATLAB中的zscore函數(shù)對(duì)樣本矩陣P進(jìn)行標(biāo)準(zhǔn)化處理，再利用MATLAB中的fcm函數(shù)進(jìn)行聚類分析，得到的聚類中心矩陣V及隸屬度矩陣U如下：

(4)對(duì)聚類結(jié)果進(jìn)行再分析，結(jié)合專家打分法從兩類聚類樣本中篩選出最重要的評(píng)價(jià)指標(biāo)構(gòu)成新的樣本數(shù)據(jù)，最后形成如下10組用于實(shí)際LVQ網(wǎng)絡(luò)訓(xùn)練的樣本矩陣P′。

3.2 LVQ神經(jīng)網(wǎng)絡(luò)訓(xùn)練

(1)將得到的訓(xùn)練樣本矩陣P′作為神經(jīng)網(wǎng)絡(luò)的輸入向量，與其對(duì)應(yīng)的水安全級(jí)別作為訓(xùn)練樣本的輸出向量C=[1 1 2 2 3 3 4 4 5 5]，利用MATLAB中的ind2vec函數(shù)將其轉(zhuǎn)化為網(wǎng)絡(luò)目標(biāo)向量，再利用newlvq函數(shù)建立神經(jīng)網(wǎng)絡(luò)，其中：競(jìng)爭(zhēng)層神經(jīng)元個(gè)數(shù)取為10，學(xué)習(xí)速率設(shè)為0.01，10組數(shù)據(jù)每?jī)蓛奢敵鲆粋€(gè)等級(jí)，各級(jí)分類百分比為20%。

(2)在建立的神經(jīng)網(wǎng)絡(luò)中輸入樣本數(shù)據(jù)，可得到如圖4所示的輸入向量及初始網(wǎng)絡(luò)權(quán)值，再通過MATLAB中的train函數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，在達(dá)到精度要求后停止訓(xùn)練，可得到輸入向量及訓(xùn)練后的權(quán)值如圖5所示。從圖5中可以看出，訓(xùn)練后的權(quán)值向量已經(jīng)具有了基本的模式分類能力。

圖4 輸入向量及初始權(quán)值

圖5 輸入向量及訓(xùn)練后權(quán)值

(3)為了檢驗(yàn)訓(xùn)練完成后神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)性能，利用MATLAB中的sim仿真函數(shù)仿真訓(xùn)練樣本，將得到的仿真結(jié)果與期望輸出值進(jìn)行比較，結(jié)果如表3所示。由表3可以看出，仿真輸出等級(jí)與期望輸出等級(jí)完全一致，說明該網(wǎng)絡(luò)模型已經(jīng)達(dá)到訓(xùn)練要求。

表3 輸入樣本的仿真檢驗(yàn)

(4)對(duì)測(cè)試數(shù)據(jù)進(jìn)行分類分析后作為輸入矢量，在訓(xùn)練好的LVQ神經(jīng)網(wǎng)絡(luò)中進(jìn)行水安全等級(jí)評(píng)價(jià)，評(píng)價(jià)結(jié)果利用MATLAB中的vec2ind函數(shù)轉(zhuǎn)化為最終的目標(biāo)向量。另外，分別使用LVQ網(wǎng)絡(luò)模型及BP網(wǎng)絡(luò)模型對(duì)疏勒河流域水安全等級(jí)進(jìn)行評(píng)價(jià)(限于篇幅，具體計(jì)算未在此列出)，將FCM-LVQ網(wǎng)絡(luò)模型最終預(yù)測(cè)結(jié)果與LVQ網(wǎng)絡(luò)模型及BP網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果進(jìn)行比較，結(jié)果如表4所示。

表4 3種模型對(duì)疏勒河流域水安全等級(jí)評(píng)價(jià)結(jié)果對(duì)比

4 討 論

(1)由表4可知，訓(xùn)練完成后的FCM-LVQ網(wǎng)絡(luò)模型能夠?qū)y(cè)試數(shù)據(jù)進(jìn)行準(zhǔn)確地等級(jí)評(píng)定。從各年份評(píng)價(jià)結(jié)果來看，2013年疏勒河流域存在的不安全因素較多，評(píng)價(jià)結(jié)果為Ⅳ級(jí)，表現(xiàn)為不安全；2014-2016年存在一定的不安全因素，評(píng)價(jià)結(jié)果為Ⅲ級(jí)，表現(xiàn)為基本安全；2017-2019年存在的不安全因素較少，評(píng)價(jià)結(jié)果為Ⅱ級(jí)，表現(xiàn)為安全。研究時(shí)段內(nèi)流域水安全狀況整體呈逐漸上升的趨勢(shì)，這與疏勒河流域生態(tài)治理效果是相符的，也說明了該模型對(duì)疏勒河流域水安全評(píng)價(jià)結(jié)果的正確性。

(2)對(duì)比表4中3種評(píng)價(jià)模型所得出的評(píng)價(jià)結(jié)果可以看出，F(xiàn)CM-LVQ網(wǎng)絡(luò)模型得到的評(píng)價(jià)等級(jí)有Ⅱ、Ⅲ、Ⅳ 3種級(jí)別，LVQ神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)得到的評(píng)價(jià)等級(jí)只有Ⅱ、Ⅲ兩個(gè)級(jí)別，說明FCM-LVQ網(wǎng)絡(luò)模型評(píng)價(jià)結(jié)果等級(jí)劃分更加細(xì)致，評(píng)價(jià)結(jié)果更為精確。同時(shí)，在網(wǎng)絡(luò)運(yùn)行中，F(xiàn)CM-LVQ網(wǎng)絡(luò)模型呈現(xiàn)出了更好的魯棒性和容錯(cuò)性，也證明其優(yōu)于BP神經(jīng)網(wǎng)絡(luò)。

(3)對(duì)比表4中FCM-LVQ網(wǎng)絡(luò)模型與單純使用LVQ神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)結(jié)果可以發(fā)現(xiàn)，2013和2017年兩種模型的評(píng)價(jià)結(jié)果有所不同，且表現(xiàn)為FCM-LVQ網(wǎng)絡(luò)模型評(píng)價(jià)結(jié)果等級(jí)劃分更加明確。分析其原因可能是LVQ神經(jīng)網(wǎng)絡(luò)本身無法對(duì)樣本數(shù)據(jù)進(jìn)行降維處理，樣本數(shù)據(jù)的冗余對(duì)LVQ神經(jīng)網(wǎng)絡(luò)的評(píng)價(jià)結(jié)果精度形成了干擾，使得最終評(píng)價(jià)結(jié)果精度不高。

(4)流域水安全保護(hù)是一項(xiàng)復(fù)雜且龐大的系統(tǒng)工程，涉及到多個(gè)區(qū)域及多個(gè)行業(yè)的共同合作，其終極目標(biāo)是保護(hù)水資源、預(yù)防水污染、改善水環(huán)境以及修復(fù)水生態(tài)。目前，流域水安全評(píng)價(jià)已從最初的定性評(píng)價(jià)逐步發(fā)展為定性與定量相結(jié)合進(jìn)行評(píng)價(jià)[23-27]，本文從疏勒河流域整體安全狀況出發(fā)，采用FCM-LVQ網(wǎng)絡(luò)模型對(duì)該流域水安全進(jìn)行評(píng)價(jià)，根據(jù)評(píng)價(jià)結(jié)果判斷，得出疏勒河流域水安全狀況逐步好轉(zhuǎn)，說明近年來對(duì)疏勒河流域的治理是有效的，應(yīng)當(dāng)繼續(xù)保持并根據(jù)實(shí)際情況加以完善。

綜上可知，運(yùn)用FCM-LVQ網(wǎng)絡(luò)模型對(duì)疏勒河流域水安全進(jìn)行評(píng)價(jià)取得了良好的評(píng)價(jià)效果，結(jié)合近年來疏勒河流域生態(tài)恢復(fù)情況可知，采取正確的環(huán)境應(yīng)對(duì)措施解決流域內(nèi)目前存在的水安全問題，對(duì)保證流域內(nèi)生態(tài)可持續(xù)發(fā)展及祁連山脈的生態(tài)安全具有積極意義。

5 結(jié) 論

(1)本文從內(nèi)陸河流域存在的主要生態(tài)問題與環(huán)境問題出發(fā)，通過環(huán)境-生態(tài)-監(jiān)管-治理模型構(gòu)建了內(nèi)陸河流域水安全評(píng)價(jià)指標(biāo)體系，利用FCM-LVQ網(wǎng)絡(luò)模型對(duì)疏勒河流域水安全進(jìn)行評(píng)價(jià)，得出2013-2019年疏勒河流域水安全狀況呈現(xiàn)出穩(wěn)步上升的態(tài)勢(shì)，說明了當(dāng)前疏勒河流域生態(tài)環(huán)境有逐步向好的趨勢(shì)。

(2)FCM-LVQ網(wǎng)絡(luò)模型無需計(jì)算評(píng)價(jià)指標(biāo)權(quán)重，能夠避免人為因素對(duì)評(píng)價(jià)結(jié)果的影響，且具有評(píng)價(jià)結(jié)果精度高和收斂速度快的特點(diǎn)。在疏勒河流域水安全評(píng)價(jià)中，F(xiàn)CM-LVQ網(wǎng)絡(luò)模型評(píng)價(jià)效果明顯，更優(yōu)于單純使用LVQ神經(jīng)網(wǎng)絡(luò)模型和BP神經(jīng)網(wǎng)絡(luò)模型，是一種值得推廣的水安全評(píng)價(jià)模型。

(3)疏勒河流域的水安全影響著祁連山脈整體的生態(tài)安全，評(píng)價(jià)結(jié)果表明近年來疏勒河流域生態(tài)治理效果顯著，這也將直接促進(jìn)祁連山脈的生態(tài)安全向著更穩(wěn)定的方向發(fā)展，因而應(yīng)積極推行當(dāng)前的生態(tài)治理措施，進(jìn)一步完善管理方案，以保障流域內(nèi)生態(tài)可持續(xù)發(fā)展。