基干人工神经网络高速公路网规划环境影响评价.docVIP

基于人工神经网络的高速公路网规划环境影响评价 　　摘要：基于高速公路网规划和战略环评的相关理论和方法，构建了高速公路网规划环境影响评价指标体系，并对定量、定性评价指标及其属性值的无量纲化方法进行了探讨，建立三层前馈神经网络综合评价模型，并将其应用于湖南省高速公路网规划环境影响综合评价。评价结果表明：2016年湖南省高速公路网规划对环境的影响极小，2020年和2030年对环境的影响程度分别为较小和中等 关键词：战略环境评价；高速公路网规划；人工神经网络 【分类号】：X820.3 规划环境评价是目前战略环境评价研究中最活跃和发展最快的领域，欧盟各成员国对此给予了高度重视[1～2]。就中国国情而言，战略环评的切入点就在于规划环评，推进规划环评就是推进战略环评0。本研究在已有研究成果的基础上以高速公路网规划环评为研究对象，借助人工神经网络的基本理论，建立了针对高速公路网规划环境影响的神经网络综合评价模型，并应用于湖南省高速公路网规划的实例中 指标体系的构建及其无量纲化 高速公路网规划环境评价指标体系的构建 交通规划环评的指标体系分成驱动力、压力、状态、影响和响应五种类型，每种类型中又分成若干子指标 本研究借鉴European Conference of Ministers of Transport的SEA指标体系、英国交通规划SEA的指标体系、西苏塞克斯交通规划SEA的指标体系、萨默赛特郡交通规划SEA的评价因子以及国内外关于指标体系的相关研究，最终构建了适于高速公路网规划环境评价的指标体系，包括以下指标：CO年排放量，NOx年排放量，THC年排放量，交通噪声增加量，珍稀动植物受影响的程度，森林资源受影响的程度，受影响水体的类别及数量，生态敏感区受影响的程度，再生材料的使用，新材料及新工艺的使用率，汽油、柴油年消耗量，危险品运输增加的污染，公路沿线事故发生率，交通危险地形所占比例，人均耕地面积减少率，旅游资源发展趋势，国民生产总值增长率，居民平均收入增长率，提供就业岗位数，文物古迹所受影响 指标值的无量纲化处理 在应用人工神经网络方法进行综合评价前，首先将各指标属性值统一变换到[0，1]范围内，即对评价指标属性值进行无量纲化 神经网络综合评价方法 评价等级确定与训练样本的生成 本研究结合实际情况将规划对环境可能产生的影响程度分为5个等级，分别为极小影响，较小影响，中等影响，较大影响，极大影响。对它们依次进行标准量化为{0.9，0.7，0.5，0.3，0.1}，即{极小影响，较小影响，中等影响，较大影响，极大影响}={0.9，0.7，0.5，0.3，0.1} 神经网络综合评价模型的建立 高速公路网规划环境影响综合评价是分类（级）问题，而误差反向传播BP网络适于解决分类（分级）问题。因此，本研究选用由一个输入层、一个隐含层和一个输出层组成网络模型 学习步长取0.1，期望误差为1e-006。最大迭代次数为1000。将学习样本（输入、输出）的数据文件导入神经网络，启动网络进行学习训练，经过反复迭代计算，训练到959步时满足期望误差的要求，学习结束 实例研究 根据本研究所建立的指标体系对湖南省高速公路网规划方案进行分项评价，见表1 本例中，2016年，2020年，2030年的实际输出分别为0.83，0.72，0.49，与目标输出非常接近。从而得到2016年湖南省高速公路网规划对环境的影响极小，2020年和2030年对环境的影响程度分别为较小和中等 结论 本研究基于神经网络方法建立了可应用于高速公路网规划环境影响评价的综合评价模型，得出各层次间关联关系及各层单元阈值，提高了综合评价结果的客观性。在实例应用中，该模型成功地对湖南省高速公路网规划进行准确评价，具有较好的实际应用意义 参考文献 [1]European Parliament and Council. Directive 2001/42/EC of the European Parliament and of the Council on the assessment of the effects of certain plans and programmes on the environment[R].Luxembourg： European Parliament and Council， 2001. [2]Maria R Partidario. The different approaches to Strategic Environmental Assessment in Europe[A]. In： Proceedings for Conference on Resh