模式识别的区域水资源与经济社会协调度评价.pdfVIP

第31卷第5期 水摇 利摇 经摇 济 2013年9月 Vol.31No.5 Journal of Economics of Water Resources Sep.2013 DOI:10.3969/ j.issn.1003 9511.2013.05.004 基于模式识别的区域水资源与经济社会协调度评价 崔东文 (云南省文山州水务局,云南 文山摇 663000) 摘要:构建适合于相对丰水地区水资源与经济社会发展协调度评价的指标体系和分级标准。 基于 支持向量机(SVM)与概率神经网络(PNN)模式识别原理及方法,构建SVM 与PNN 水资源与经济 社会发展协调度识别模型。 采用随机内插的方法在各分级阈值间生成训练样本和检验样本,在达 到预期识别精度后将模型运用于文山州水资源与经济社会发展协调度识别。 结果表明:PNN模型 对于随机生成的训练样本和检验样本的正确识别率均达到100%,SVM模型对训练样本和测试样 本的正确识别率分别达到100%和99郾6%,对文山州及各县不同规划水平年水资源与经济社会发 展协调度识别结果基本相同,处于2 级(良)~3 级(中)之间,表明研究建立的SVM 与PNN模型用 于区域水资源与经济社会发展协调度识别是合理可行的,模型具有较强的泛化能力和识别精度,可 为区域水资源与经济社会发展协调度的识别提供新的途径和方法。 相对而言,PNN模型识别精度 高,收敛速度快,调节参数少,是较为理想的识别模型。 关键词:模式识别;协调度;水资源;经济社会;支持向量机;概率神经网络 中图分类号:F407.9 摇 摇 摇 文献标识码:A摇 摇 摇 文章编号:1003 9511(2013)05 0015 05 摇 摇 水资源是支撑经济社会可持续发展的前提和 神经网络(Probabilistic Neural Networks,PNN)模式 保障。 水资源与经济社会关系密切:一方面,经济社 识别原理及方法,构建 SVM 与PNN水资源与经济 会的发展会对水资源产生压力,对水资源的可持续 社会发展协调度识别模型。 采用随机内插的方法在 利用造成影响;另一方面,由于水资源的短缺或污染 各分级阈值间生成训练样本和检验样本,在达到预 等问题制约着区域经济社会的可持续发展。 因此, 期识别精度后将模型运用于文山州水资源与经济社 客观评价区域经济发展与水资源的协调程度,制定 会发展协调度识别,评价结果可为文山州实现水资 相应的区域发展战略,实现对区域水资源与经济社 源与经济社会的可持续发展,制定相应区域发展战 会发展关系的总体把握具有重要意义。 目前许多学 略和总体规划提供借鉴。 者和专家从水资源与经济社会、生态环境之间的协 1摇 水资源与经济社会发展协调度识别模型 调发展程度进行了分析和研究,取得了一定成 [1鄄2] 果 。 相对丰水地区是指我国年降水量在800 ~ 1.1摇 支持向量机 1200mm的地区,主要分布在我国东南沿海及西南 SVM是20世纪90 年代中后期发展起来的基 部分地区,相对于北方大部分地区,此类地区水资源 于统计学习理论构建的典型神经网络,它由Vapnik 相对丰沛,总量上能够满足区域经济社会的发展需 首先提出,是一种通用的前馈神经网络,用于解决模 求,但存在水资源时空分布不均、开发利用不平衡, 式分类和非线性映射问题。 SVM具有严谨的数学 [3] 以及季节性、区域性和水质性缺水等突出问题 。 基础,通过统计学习中的VC维(Vapnik鄄Chervonen鄄 [4鄄6] 笔者参考相关文献 ,从社会、经济和水环境3个