基于相對(duì)熵TOPSIS排序法的水庫移民安置公眾參與效果評(píng)價(jià)

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(huì)發(fā)展水平限制、政策法規(guī)不健全、移民參與意識(shí)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(duì)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(huì)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(duì)水庫移民公眾參與效果的研究是十分必要的。

目前，我國對(duì)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(duì)策等理論方面，而對(duì)于參與水平、參與效果等評(píng)價(jià)方面的研究甚少。本文基于相對(duì)熵TOPSIS排序法對(duì)水庫移民安置公眾參與效果進(jìn)行評(píng)價(jià)，以熵值大小對(duì)評(píng)價(jià)對(duì)象的參與效果進(jìn)行排序，從而得到評(píng)價(jià)對(duì)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(píng)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(píng)價(jià)指標(biāo)對(duì)于最終評(píng)價(jià)結(jié)果的正確性至關(guān)重要。考慮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(jí)指標(biāo)、13個(gè)二級(jí)指標(biāo)，構(gòu)建水庫移民安置公眾參與效果評(píng)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(píng)價(jià)指標(biāo)體系

2 相對(duì)熵TOPSIS排序法評(píng)價(jià)模型

2.1 基本原理

相對(duì)熵是研究兩個(gè)概率分布間差異的非對(duì)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(duì)熵可以解決方案優(yōu)選的問題，其基本原理是利用相對(duì)熵來度量多屬性決策中的被評(píng)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(píng)價(jià)是對(duì)選取的移民村進(jìn)行參與效果優(yōu)劣的對(duì)比分析。因此，建立相對(duì)熵TOPSIS排序法評(píng)價(jià)模型對(duì)本文研究對(duì)象是適用的。

2.2 評(píng)價(jià)模型建立

2.2.1 確定評(píng)價(jià)指標(biāo)權(quán)重

本文利用組合賦權(quán)法計(jì)算評(píng)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(duì)各指標(biāo)的相對(duì)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(píng)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(píng)分最公正、決策水平最高的專家(理想專家)的評(píng)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(duì)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(duì)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(píng)價(jià)對(duì)象間的總離差為Ω，則

(8)

式中，s為評(píng)價(jià)對(duì)象個(gè)數(shù)；m為評(píng)價(jià)指標(biāo)個(gè)數(shù)；yij為第i個(gè)評(píng)價(jià)對(duì)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(duì)L(α，β)求偏導(dǎo)，求解可得α，β值分別為

(11)

2.2.2 相對(duì)熵TOPSIS排序評(píng)價(jià)法

基于相對(duì)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(píng)價(jià)對(duì)象與正理想解和負(fù)理想解的相對(duì)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(duì)熵TOPSIS排序法進(jìn)行水庫移民安置公眾參與效果評(píng)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(hào)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(qǐng)4位專家對(duì)各指標(biāo)的相對(duì)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(píng)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(píng)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(duì)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(píng)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(píng)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(píng)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(duì)熵TOPSIS排序評(píng)價(jià)法

水庫移民安置公眾參與效果評(píng)價(jià)是一個(gè)綜合評(píng)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(duì)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(píng)價(jià)分析，利用相對(duì)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(duì)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(duì)熵計(jì)算公式，計(jì)算評(píng)價(jià)對(duì)象指標(biāo)數(shù)據(jù)與正、負(fù)理想解的相對(duì)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(píng)價(jià)對(duì)象與正、負(fù)理想解的相對(duì)貼近度

(3)結(jié)果分析。根據(jù)監(jiān)測評(píng)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(duì)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(duì)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(duì)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(duì)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(duì)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(duì)生產(chǎn)安置不滿意的情況。相對(duì)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(duì)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(huì)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(duì)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(huì)公共利益，仍需不斷進(jìn)行深入研究。