地面沉降预测及经济影响评价研究
|
摘要
地面沉降是天津市主要的地质灾害,这种复杂的环境地质问题严重影响着城市基础设施建设,制约着天津市全局的经济发展。目前已普遍证实过量开采地下水造成地下水文地质力学平衡的破坏是导致地面沉降最主要的原因。因此,借鉴国内外最新的沉降预测模型,开发并建立适应天津市特定区域的沉降预测方法,为下一步天津市地面沉降的有效控制提供科学依据将具有积极而深远的意义。
本研究选择历史观测数据较为完备的塘沽区作为研究示范区域,在对历史数据变化趋势分析的基础上建立了地面沉降的BP神经网络预测模型。模型以地下各含水组年均水位为输入变量,以优化后监测网络的各监测点年沉降值为输出变量。通过对多种网络模式的比较与筛选,最终确定的网络结构为双隐含层,每层8个节点。模型的拟合能力通过后验差检验,符合邓聚龙一级模型精度标准。
经过模型的计算,塘沽区地面沉降强弱与地下水位具有较一致的响应趋势。初期随着地下水位的抬升,地面沉降缓解趋势较为明显,后期作用将逐渐减弱。各含水组对地面沉降的影响强度依Ⅳ、Ⅲ、Ⅴ、Ⅱ的顺序逐渐减弱。
为了克服BP神经网络模型容易陷入局部最优且收敛速度慢的缺陷,本研究利用遗传算法强大的全局搜索寻优能力,实现了遗传算法与BP神经网络的耦合,应用遗传算法优化神经网络的初始权重。耦合模型拟合过程更为稳定,多次运算结果基本一致,在一定程度实现了预期目标,证明该算法是可行且有效的。
最后,本研究在预测模型的基础上,应用经济学原理对地面沉降进行了经济影响分析,建立了地面沉降经济损失评价指标体系,并应用外部性经济学理论,论证了政府经济管制与激励制度对缓解与控制地面沉降灾害的重要作用。
As a complicated environmental geological problem, the land subsidence which is the main geological disaster of Tianjin City has seriously impacted on the construction of city’s basic establishment and restricted Tianjin’s global economical development. At present, it has improved that the overexploitation of groundwater which unbalanced the soil dynamics is the uppermost reason of the land subsidence. So, it has positive and profound meaning to develop the suitable predict method for the specific area of Tianjin City ,on the reference of domestic and abroad newest prediction model, which can provide scientific basis for the effective control of land subsidence.
The Tanggu district which has more complete historical monitoring datum was chosen as the demonstration zone. On the analysis of the datum’s tendency, a BP neural network prediction model is established. Annual water table of different confined aquifer is introduced as model input, while land subsidence rate of optimized monitoring points is defined as model output. After compared and filtered, a network structure with double concealed layers, each layer has 8 nodes, has been affirmed finally.
According to model estimation, the variation of land subsidence rate in Tanggu district has the same response to the water table. Lifting with water table of earlier stage, the alleviation of land subsidence is obvious, but function will be weakened gradually on later stage. The intensity of influence of different aquifer to land subsidence descends in order ofⅣ、Ⅲ、Ⅴ、Ⅱconfined aquifer.
In order to overcome the shortcoming of BP neural network model such as being apt to fall into the local best and being slow to convergence, a combined model using genetic algorithm’s strong overall search ability to optimize the primary connection weights of BP neural network has been defined. The simulation process of the coupling model is more stable, and the operation results of several times are unanimous basically which has testified the coupling model’s validation.
At last, on the basic of the prediction model, the evaluation index system of land subsidence economic loss is established, and the exterior economic theories have been introduced to analyze economic impact of land subsidence. It is proved that the government control and inspire system has great contribution to the alleviation and
本研究选择历史观测数据较为完备的塘沽区作为研究示范区域,在对历史数据变化趋势分析的基础上建立了地面沉降的BP神经网络预测模型。模型以地下各含水组年均水位为输入变量,以优化后监测网络的各监测点年沉降值为输出变量。通过对多种网络模式的比较与筛选,最终确定的网络结构为双隐含层,每层8个节点。模型的拟合能力通过后验差检验,符合邓聚龙一级模型精度标准。
经过模型的计算,塘沽区地面沉降强弱与地下水位具有较一致的响应趋势。初期随着地下水位的抬升,地面沉降缓解趋势较为明显,后期作用将逐渐减弱。各含水组对地面沉降的影响强度依Ⅳ、Ⅲ、Ⅴ、Ⅱ的顺序逐渐减弱。
为了克服BP神经网络模型容易陷入局部最优且收敛速度慢的缺陷,本研究利用遗传算法强大的全局搜索寻优能力,实现了遗传算法与BP神经网络的耦合,应用遗传算法优化神经网络的初始权重。耦合模型拟合过程更为稳定,多次运算结果基本一致,在一定程度实现了预期目标,证明该算法是可行且有效的。
最后,本研究在预测模型的基础上,应用经济学原理对地面沉降进行了经济影响分析,建立了地面沉降经济损失评价指标体系,并应用外部性经济学理论,论证了政府经济管制与激励制度对缓解与控制地面沉降灾害的重要作用。
As a complicated environmental geological problem, the land subsidence which is the main geological disaster of Tianjin City has seriously impacted on the construction of city’s basic establishment and restricted Tianjin’s global economical development. At present, it has improved that the overexploitation of groundwater which unbalanced the soil dynamics is the uppermost reason of the land subsidence. So, it has positive and profound meaning to develop the suitable predict method for the specific area of Tianjin City ,on the reference of domestic and abroad newest prediction model, which can provide scientific basis for the effective control of land subsidence.
The Tanggu district which has more complete historical monitoring datum was chosen as the demonstration zone. On the analysis of the datum’s tendency, a BP neural network prediction model is established. Annual water table of different confined aquifer is introduced as model input, while land subsidence rate of optimized monitoring points is defined as model output. After compared and filtered, a network structure with double concealed layers, each layer has 8 nodes, has been affirmed finally.
According to model estimation, the variation of land subsidence rate in Tanggu district has the same response to the water table. Lifting with water table of earlier stage, the alleviation of land subsidence is obvious, but function will be weakened gradually on later stage. The intensity of influence of different aquifer to land subsidence descends in order ofⅣ、Ⅲ、Ⅴ、Ⅱconfined aquifer.
In order to overcome the shortcoming of BP neural network model such as being apt to fall into the local best and being slow to convergence, a combined model using genetic algorithm’s strong overall search ability to optimize the primary connection weights of BP neural network has been defined. The simulation process of the coupling model is more stable, and the operation results of several times are unanimous basically which has testified the coupling model’s validation.
At last, on the basic of the prediction model, the evaluation index system of land subsidence economic loss is established, and the exterior economic theories have been introduced to analyze economic impact of land subsidence. It is proved that the government control and inspire system has great contribution to the alleviation and
引文
[1]军强,施斌,蔡奕等,美国的地面沉降及其对策,西安工程学院学报,2002,24(4):58
[2]王京,全国地下水超采区近 19 万平方公里 状况还在恶化,人民日报,2005,(2):6
[3]阎世骏,刘长礼,城市地面沉降研究现状与展望,地学前缘,1996,3(1～2):93
[4]张阿根,刘毅,龚士良,国际地面沉降研究综述,上海地质,2000,(4):1～3
[5]杨建图,天津市地面沉降防治对策战略研究,工程地质学报,2005,(13):4～7
[6]牛修俊,崔小东,曲焕林等,天津市地面沉降机理研究及预测预报、综合治理,天津市环境地质研究所,地矿部水文地质工程地质研究所,1995,6:15～16
[7]陈杰,朱国荣,顾阿明等,Biot 固结理论在地面沉降计算中的应用,水文地质工程地质,2003,2:28～29
[8]李勤奋,方正,上海市地下水可开采量模型计算及预测,上海地质,2002,(2):36～43
[9]R.Bravo, J.R.Rogers, T.G.Cleveland,休斯顿地区地下水流和地面沉降的新三维有限差分模型,地面沉降—第四届地面沉降国际讨论会译文选集(地质矿产部地质环境管理司翻译),北京:地震出版社,1994,1～10
[10]崔小东,MODFLOW 和 IDP 在天津地面沉降数值计算中的应用与开发,中国地质灾害与防治学报,1998,9(2):122～128
[11]T R Shearer, A numerical model to calculate land subsidence, applied at Hangu in China [J], Egineering Geology, 1998,49(2):85～93
[12]冉启全,顾小芸,考虑流变特性的流固耦合地面沉降计算模型,中国地质灾害与防治学报,1998,9(2):99～103,93
[13]张云,薛禹群,抽水地面沉降数学模型的研究现状与展望,中国地质灾害与防治学报,2002,13(2):1～6
[14]吴振祥,繁秀峰,简文彬,福州温泉区地面沉降灰色系统预测模型,自然灾害学报,2004,13(6):59～62
[15]宫相霖,董荣鑫,灰色系统在地面沉降分析中的应用,上海地质,2003,(3):16～21
[16]郑礼全,逐步回归法在地下水开采中的应用,山东科技大学学报:自然科学版,2001,20(2):21～23
[17]潘云,潘建刚,宫辉力,天津市地下水开采与地面沉降关系研究,地球与环境,2004,32(2):36～39
[18]杨志霞,时间序列模型在深层地下水位预测中的应用,河北工程技术高等专科学校学报,2000,(3):34～38
[19]王仁超,谭学奇,王秀杰,区域性地面沉降量预测的灰色与时间序列方法,水利水电技术,2005,36(2):32～35
[20]李陶深,人工智能,重庆:重庆大学出版社,2002,4～6
[21]天津市水利局,天津市水资源公报,2002
[22]杨建图,天津市地面沉降防治对策战略研究,工程地质学报,2005,(13):4～7
[23]应耀明,白晋妩,丁雍等,天津市滨海新区地下水位动态监测年度报告,天津市环境地质研究所,2001
[24]天津市塘沽区地方志编修委员会,塘沽区志,天津:天津社会科学院出版社,1996,67～81
[25]天津市水利局,海河流域天津市生态环境修复水资源保障规划,2003,133
[26]N.K.Goel,随机水文学(王志毅,周刚炎),郑州:黄河水利出版社,2001,73～78
[27]洪梅,地下水动态预警研究,博士,吉林大学,2002
[28]伊利军,唐玲,用肯达尔检验法对淄博市河流水质趋势进行分析,水文水资源,2001,22(3):20,26
[29]徐海量,叶茂,宋郁东等,塔里木河流域水资源变化的特点与趋势,地理学报,2005,60(3):487～494
[30]张学真,城市化对供水河流水文序列的影响分析,水利经济,2005,23(1):39～41
[31]赵全,地面沉降数学模拟及其应用的研究,硕士,天津大学,2005
[32]闻新,周露,王丹力等,MATLAB 神经网络应用设计,北京:科学出版社,2000,7～11
[33]闻新,周露,李翔等,MATLAB 神经网络仿真与应用,北京:科学出版社,2003,25～31
[34]武建强,余勤,神经网络技术在地面沉降区划中的应用研究,江苏地质,2003,27(3):171～174
[35]金爱善,采用神经网络模型对天津滨海新区地面沉降预测的研究,现代地质,2000,14(4):275～478
[36]Chen Jiangong, Zhang Yongxing, A neural network method to evaluate consolidation coefficient, Journal of Chongqing University-Eng.Ed, 2003, 2(1):1～4
[37]Emery Coppola Jr., Ferenc Szidarovszky, Mary Poulton et al., Artificial Neural Network Approach for Predicting Transient Water Levels in a Multilayered Groundwater System under Variable State, Pumping, and Climate Conditions, Journal of Hydrologic Engineering, 2003,8(6):348～360
[38] Kolmogorov A.N., On the Representation of Continuous Functions of Several Variables by Superposition of Continuous Functions of one Variable and Addition, Doklady Akademii. Nauk USSR, 1957, (114):679～681
[39]Cybenko G., Approximation by Superpositions of a Sigmoidal Function, Math. Control Signals Systems,1989,(2):303～314
[40] K.M. Hornik, M. Stinchcombe, H. White, Multilayer feedforward networks are universal approximators, Neural Networks, 1989, 2(5):359～366
[41]隋富娟,吴明,安丙威等,管线油电耗损的灰色模型及预测,天然气与石油,2003,21(4):10～12
[42]王作雷,蔡国梁,非等间距序列建模过程中存在的问题及改进,大学数学,2003,19(2):46～50
[43]苏银法,孙建枢,白学敏等,后验差检验法在药物体外溶出模型拟合优度检验中的应用,数理医药学杂志,2000,13(2):119
[44]陈强,崔光玮,邴文丽等,灰色控制系统理论在燃油消耗分析中的应用,内燃机车,2004,(6):25～27
[45]杨萍,灰色预测法及其在选煤中的应用,矿业科学技术,2002,(3):33～35
[46]邓聚龙,灰色控制系统,湖北:华中理工大学出版社,1997,348～374
[47]李陶深,人工智能,重庆:重庆大学出版社,2002,233～270
[48]玄光男,程润伟,遗传算法与工程设计(汪定伟,唐加福,黄敏),遗传算法与工程设计,北京:科学出版社,2000,1～5
[49]金菊良,丁晶,遗传算法及其在水科学中的应用,成都:四川大学出版社,2000,9～21
[50]雷英杰,张善文,李续武等,MATLAB 遗传算法工具箱及应用,西安:西安电子科技大学出版社,2005,45～61
[51]Cichock A.Unhehaucn R. Neural networks for optimization and signal processing [M].England, John wtley and Sons Ltd, 1993 (1): 12～150
[52]冯浩,何鸿云,米祖强等,基于改进遗传算法的递归神经网络非线性系统辨识,西南交通大学学报,2002,37(4):404～407
[53]陈海英,郭巧,徐力等,基于混合遗传神经网络的百米跑成绩预测方法,计算机仿真,2004,21(2):89～91
[54]叶立生,何奉道,基于进化规划的 BP 神经网络学习,西南交通大学学报,2001,36(5):545～548
[55]王建南,段慧达,基于遗传算法的动态神经网络的建模与应用,计算技术与自动化,2004,23(1):37～39
[56]梅家斌,遗传算法在神经网络权值优化中的应用,武汉科技学院学报,2001,14(3):23～25
[57]王智平,刘在德,高成秀等,遗传算法在 BP 网络权值学习中的应用,甘肃工业大学学报,2001,27(2):20～22
[58]毛顺兵,程小平,一个用于前向网络权值学习的改进型遗传算法,西南师范大学学报(自然科学版),2002,27(1):35～38
[59]杨庆德,李建珍,利用遗传算法辅助设计人工神经网络的权值和域值,天津大学学报,2003,36(6):782～786
[60]张梁,张业成,罗元华等,地质灾害灾情评估理论与实践,北京:地质出版社,1998,77～98
[61]懂志颖,地面沉降对城市可持续发展的破坏效应分析,宁波大学学报(理工版),2004,17(3):354～356
[62]张业成,减轻地质灾害与可持续发展,北京:中国科学技术出版社,1998,17～53
[63]段正梁,张维然,地面沉降灾害经济损失评估理论体系研究——以上海市地面沉降灾害经济损失评估为例,自然灾害学报,2002,11(3):95～102
[64]谢文惠,邓卫,城市经济学,北京:清华大学出版社,1996,52～58
[65]洪银兴,高波,可持续发展经济学,北京:商务印书馆,2000,350～371
[66]向缉熙,地质灾害经济评价系统,北京:地质出版社,1998,54～62
[2]王京,全国地下水超采区近 19 万平方公里 状况还在恶化,人民日报,2005,(2):6
[3]阎世骏,刘长礼,城市地面沉降研究现状与展望,地学前缘,1996,3(1～2):93
[4]张阿根,刘毅,龚士良,国际地面沉降研究综述,上海地质,2000,(4):1～3
[5]杨建图,天津市地面沉降防治对策战略研究,工程地质学报,2005,(13):4～7
[6]牛修俊,崔小东,曲焕林等,天津市地面沉降机理研究及预测预报、综合治理,天津市环境地质研究所,地矿部水文地质工程地质研究所,1995,6:15～16
[7]陈杰,朱国荣,顾阿明等,Biot 固结理论在地面沉降计算中的应用,水文地质工程地质,2003,2:28～29
[8]李勤奋,方正,上海市地下水可开采量模型计算及预测,上海地质,2002,(2):36～43
[9]R.Bravo, J.R.Rogers, T.G.Cleveland,休斯顿地区地下水流和地面沉降的新三维有限差分模型,地面沉降—第四届地面沉降国际讨论会译文选集(地质矿产部地质环境管理司翻译),北京:地震出版社,1994,1～10
[10]崔小东,MODFLOW 和 IDP 在天津地面沉降数值计算中的应用与开发,中国地质灾害与防治学报,1998,9(2):122～128
[11]T R Shearer, A numerical model to calculate land subsidence, applied at Hangu in China [J], Egineering Geology, 1998,49(2):85～93
[12]冉启全,顾小芸,考虑流变特性的流固耦合地面沉降计算模型,中国地质灾害与防治学报,1998,9(2):99～103,93
[13]张云,薛禹群,抽水地面沉降数学模型的研究现状与展望,中国地质灾害与防治学报,2002,13(2):1～6
[14]吴振祥,繁秀峰,简文彬,福州温泉区地面沉降灰色系统预测模型,自然灾害学报,2004,13(6):59～62
[15]宫相霖,董荣鑫,灰色系统在地面沉降分析中的应用,上海地质,2003,(3):16～21
[16]郑礼全,逐步回归法在地下水开采中的应用,山东科技大学学报:自然科学版,2001,20(2):21～23
[17]潘云,潘建刚,宫辉力,天津市地下水开采与地面沉降关系研究,地球与环境,2004,32(2):36～39
[18]杨志霞,时间序列模型在深层地下水位预测中的应用,河北工程技术高等专科学校学报,2000,(3):34～38
[19]王仁超,谭学奇,王秀杰,区域性地面沉降量预测的灰色与时间序列方法,水利水电技术,2005,36(2):32～35
[20]李陶深,人工智能,重庆:重庆大学出版社,2002,4～6
[21]天津市水利局,天津市水资源公报,2002
[22]杨建图,天津市地面沉降防治对策战略研究,工程地质学报,2005,(13):4～7
[23]应耀明,白晋妩,丁雍等,天津市滨海新区地下水位动态监测年度报告,天津市环境地质研究所,2001
[24]天津市塘沽区地方志编修委员会,塘沽区志,天津:天津社会科学院出版社,1996,67～81
[25]天津市水利局,海河流域天津市生态环境修复水资源保障规划,2003,133
[26]N.K.Goel,随机水文学(王志毅,周刚炎),郑州:黄河水利出版社,2001,73～78
[27]洪梅,地下水动态预警研究,博士,吉林大学,2002
[28]伊利军,唐玲,用肯达尔检验法对淄博市河流水质趋势进行分析,水文水资源,2001,22(3):20,26
[29]徐海量,叶茂,宋郁东等,塔里木河流域水资源变化的特点与趋势,地理学报,2005,60(3):487～494
[30]张学真,城市化对供水河流水文序列的影响分析,水利经济,2005,23(1):39～41
[31]赵全,地面沉降数学模拟及其应用的研究,硕士,天津大学,2005
[32]闻新,周露,王丹力等,MATLAB 神经网络应用设计,北京:科学出版社,2000,7～11
[33]闻新,周露,李翔等,MATLAB 神经网络仿真与应用,北京:科学出版社,2003,25～31
[34]武建强,余勤,神经网络技术在地面沉降区划中的应用研究,江苏地质,2003,27(3):171～174
[35]金爱善,采用神经网络模型对天津滨海新区地面沉降预测的研究,现代地质,2000,14(4):275～478
[36]Chen Jiangong, Zhang Yongxing, A neural network method to evaluate consolidation coefficient, Journal of Chongqing University-Eng.Ed, 2003, 2(1):1～4
[37]Emery Coppola Jr., Ferenc Szidarovszky, Mary Poulton et al., Artificial Neural Network Approach for Predicting Transient Water Levels in a Multilayered Groundwater System under Variable State, Pumping, and Climate Conditions, Journal of Hydrologic Engineering, 2003,8(6):348～360
[38] Kolmogorov A.N., On the Representation of Continuous Functions of Several Variables by Superposition of Continuous Functions of one Variable and Addition, Doklady Akademii. Nauk USSR, 1957, (114):679～681
[39]Cybenko G., Approximation by Superpositions of a Sigmoidal Function, Math. Control Signals Systems,1989,(2):303～314
[40] K.M. Hornik, M. Stinchcombe, H. White, Multilayer feedforward networks are universal approximators, Neural Networks, 1989, 2(5):359～366
[41]隋富娟,吴明,安丙威等,管线油电耗损的灰色模型及预测,天然气与石油,2003,21(4):10～12
[42]王作雷,蔡国梁,非等间距序列建模过程中存在的问题及改进,大学数学,2003,19(2):46～50
[43]苏银法,孙建枢,白学敏等,后验差检验法在药物体外溶出模型拟合优度检验中的应用,数理医药学杂志,2000,13(2):119
[44]陈强,崔光玮,邴文丽等,灰色控制系统理论在燃油消耗分析中的应用,内燃机车,2004,(6):25～27
[45]杨萍,灰色预测法及其在选煤中的应用,矿业科学技术,2002,(3):33～35
[46]邓聚龙,灰色控制系统,湖北:华中理工大学出版社,1997,348～374
[47]李陶深,人工智能,重庆:重庆大学出版社,2002,233～270
[48]玄光男,程润伟,遗传算法与工程设计(汪定伟,唐加福,黄敏),遗传算法与工程设计,北京:科学出版社,2000,1～5
[49]金菊良,丁晶,遗传算法及其在水科学中的应用,成都:四川大学出版社,2000,9～21
[50]雷英杰,张善文,李续武等,MATLAB 遗传算法工具箱及应用,西安:西安电子科技大学出版社,2005,45～61
[51]Cichock A.Unhehaucn R. Neural networks for optimization and signal processing [M].England, John wtley and Sons Ltd, 1993 (1): 12～150
[52]冯浩,何鸿云,米祖强等,基于改进遗传算法的递归神经网络非线性系统辨识,西南交通大学学报,2002,37(4):404～407
[53]陈海英,郭巧,徐力等,基于混合遗传神经网络的百米跑成绩预测方法,计算机仿真,2004,21(2):89～91
[54]叶立生,何奉道,基于进化规划的 BP 神经网络学习,西南交通大学学报,2001,36(5):545～548
[55]王建南,段慧达,基于遗传算法的动态神经网络的建模与应用,计算技术与自动化,2004,23(1):37～39
[56]梅家斌,遗传算法在神经网络权值优化中的应用,武汉科技学院学报,2001,14(3):23～25
[57]王智平,刘在德,高成秀等,遗传算法在 BP 网络权值学习中的应用,甘肃工业大学学报,2001,27(2):20～22
[58]毛顺兵,程小平,一个用于前向网络权值学习的改进型遗传算法,西南师范大学学报(自然科学版),2002,27(1):35～38
[59]杨庆德,李建珍,利用遗传算法辅助设计人工神经网络的权值和域值,天津大学学报,2003,36(6):782～786
[60]张梁,张业成,罗元华等,地质灾害灾情评估理论与实践,北京:地质出版社,1998,77～98
[61]懂志颖,地面沉降对城市可持续发展的破坏效应分析,宁波大学学报(理工版),2004,17(3):354～356
[62]张业成,减轻地质灾害与可持续发展,北京:中国科学技术出版社,1998,17～53
[63]段正梁,张维然,地面沉降灾害经济损失评估理论体系研究——以上海市地面沉降灾害经济损失评估为例,自然灾害学报,2002,11(3):95～102
[64]谢文惠,邓卫,城市经济学,北京:清华大学出版社,1996,52～58
[65]洪银兴,高波,可持续发展经济学,北京:商务印书馆,2000,350～371
[66]向缉熙,地质灾害经济评价系统,北京:地质出版社,1998,54～62