基于超效率DEA和人工神经网络耦合模型的畜禽养殖资源环境承载力研究——以天津市为例

黄 成，程 波，张 爱，陈 凌

(农业部环境保护科研监测所，天津 300191)



基于超效率DEA和人工神经网络耦合模型的畜禽养殖资源环境承载力研究
——以天津市为例

黄 成，程 波*，张 爱，陈 凌

(农业部环境保护科研监测所，天津 300191)

摘要[目的]基于超效率DEA和人工神经网络耦合模型分析天津市畜禽养殖资源环境承载力。[方法]在构建畜禽养殖资源环境承载力评价指标体系的基础上，建立基于超效率DEA和人工神经网络耦合模型的评价模型，并以天津市为实例，对2003～2012年畜禽养殖资源环境承载力进行研究。[结果]2003～2012年天津市畜禽养殖资源环境承载力虽然不处于警戒水平，但畜禽养殖资源环境承载力整体呈下降趋势，而且2012年天津市畜禽养殖资源环境承载力已经趋近警戒水平。[结论]基于超效率DEA和人工神经网络耦合模型的畜禽养殖资源环境承载力评价模型具有一定的科学性，耦合模型排除了人为因素干扰，充分考虑了系统内部运行规律，具有一定的应用价值和理论优势。

关键词畜禽养殖资源环境承载力；评价指标体系；超效率DEA;人工神经网络；耦合模型

畜禽养殖资源环境承载力作为表征区域畜禽养殖业与资源环境系统协调性的指标，用以指导畜禽养殖业发展规划的制定，具有重要研究价值[1]。目前，对畜禽养殖资源环境承载力尚未达成一致认同的研究方法[2-4]。虽然主流的研究方法指标较多，但实质上只是简单地把社会经济系统和资源环境系统分别作为黑箱来处理，相对缺乏对两者内部运行规律的分析，所以很难有效地将这2个系统有机地联系起来[5]。并且现有方法确定评价指标权重时多采用专家咨询的方法，会造成评价结果可能由于人为因素而形成偏差[6]。

畜禽养殖环境巨系统是由畜禽养殖产业子系统、自然环境子系统和社会环境子系统构成的复杂系统，是依靠能量、物质、信息的不断输入和输出来维持其自身稳定运行的复杂系统[7]。超效率DEA模型特别适用于具有多输入-多输出的复杂系统，评价方法不仅重视系统资源环境的数量，而且关注资源环境的质量，同时模型能够避免主观因素干扰。鉴于此，笔者采用超效率DEA模型实现畜禽养殖资源环境承载力的量化，同时考虑到超效率DEA模型要求评价指标数值必须为已知数据[8]，所以利用人工神经网络模型对量化模型进行仿真，建立了具有广泛适应性的评价模型，并对天津市2003～2012年畜禽养殖资源环境承载力进行了研究，以期为天津市畜禽养殖业规划提供理论依据。

1材料与方法

1.1构建畜禽养殖资源环境承载力评价指标体系评价指标选取应满足具有代表性、系统性、科学性和数据易获取的基本原则，并结合当地畜禽养殖业资源环境状况和畜禽养殖业规划。该研究将评价指标分为区域资源投入型指标和畜禽养殖业产出型指标。资源投入型指标分为自然资源类和社会支撑类，用以表征区域资源供应能力、社会支持能力；畜禽养殖业产出型指标分为经济发展类和环境质量类，用以表征产业经济效益和环境效益。选取的同类指标必须经过多重共线性分析，以剔除相关性较高的指标。

1.2畜禽养殖资源环境承载力量化

1.2.1基础数据。评价指标基础数据采用于相关统计年鉴、政府公报。

1.2.2基础数据处理。 评价指标正/负性表示指标值与承载力指数的相关性，若所选指标相关性与上述相反，则对其数值进行倒数处理。

指标体系中价格类指标量化时，以研究年限的起始年为基准年，消除通货因素的影响。具体方法如下：

1.2.3量化模型。超效率DEA模型设每个被评价单元均有一定数量的投入和产出变量，它通过将一个被评价单元的输入及其输出同其他被评价单元相比较，从而将多个投入和产出变量转变为效率评价指标。该模型在评价某评价单元时，以其他所有的评价单元构成参考集而不考虑被评价单元本身，结果是效率值(称为超效率值)有可能大于1，从而可以对同为DEA有效的单元做进一步评价，使评价结果更具区别性。模型表达式为：

式中，T表示评价单元效率值；x、y分别表示输入和输出向量；n为评价单元数量；ε为高阶无穷小，一般取值为10-6；S+、S-分别表示剩余变量和松弛变量。

该研究将每年的指标向量组成一个评价单元，投入型指标xi和产出型指标yi分别作为输入向量和输出向量，通过Lingo软件对每年畜禽养殖资源环境系统运行效率T进行计算。T作为表征畜禽养殖资源环境子系统协调性指标，该研究用以表征资源环境承载力指数。

1.3人工神经网络仿真模型

1.3.1数据归一化处理。由于各个指标的量纲存在较大差异，且输入型指标和输出型指标的正负性也不同，因此，需要对各指标进行归一化处理以消除量纲等方面的影响。设现有m年的统计数据，每一年中含指标n个，则有矩阵：

对于输出型指标的归一化公式为：

对于输入型指标的归一化公式为：

1.3.2模型建立。人工神经网络模型是由大量处理单元互联组成的非线性、自适应信息处理系统。使用神经网络的目的是利用其强大的非线性数据处理能力，通过对样本数据训练以得到合适的输出数据集。模型介绍见文献[9]。

该研究以归一化处理后的评价指标值作为输入，畜禽养殖资源环境承载力指数作为输出，将输入样本的60%作为网络输入训练使用，20%作为确认样本，另外20%作为测试样本。分别选择TRAINSCG、TANSIG、PURELIN作为训练函数，隐含层传递函数和输出层传递函数，设置仿真精度指标值为10-3。

NNTool是mablat软件专门用于构建和训练人工神经网络模型的单元，该研究通过NNTool对量化模型进行仿真。

1.4畜禽养殖资源环境承载力警戒状态设置该研究构建了投入型指标数值最大、产出型指标数值最小的系统最不协调评价单元，并将该单元的承载力值设定为警戒值。

1.5实例分析

1.5.1研究区域畜禽养殖资源环境状况。天津市是环渤海地区经济中心，随着城市规模日益扩大和小城镇建设快速推进，天津市耕地资源日趋紧缺，造成可用于消纳畜禽粪污的空间不断缩小。同时多数畜禽养殖场(区)已处于城市或城镇的近郊，其排放的恶臭气体也严重影响了周围居民的日常生活。

天津市处于半干旱地区，近年来大力发展规模化养殖业，规模化养殖场对水资源的大量需求导致大量养殖废水进入地表水体，对天津市脆弱的水资源环境系统造成较大负面影响。

1.5.2数据来源。2003～2012年评价指标基础数据来源于《天津统计年鉴》、《中国畜牧业年鉴》、《中国农业年鉴》、《中国统计年鉴》、《中国农产品价格调查年鉴》。

1.5.3构建天津市资源环境承载力评价指标体系。采用SPSS软件对所选取的指标进行多重共线性分析，剔除相关性较强的指标，最终建立天津市畜禽养殖资源环境承载力评价指标体系见表1。

表1天津市畜禽养殖资源环境承载力指标体系

Table1IndexsystemofenvironmentalbearingcapacityoflivestockandpoultrybreedingresourceinTianjinCity

指标组别Indexgroup指标类型Indextype指标名称Indexname正/负性Positive/Negative投入型自然资源年末实有耕地面积(x1)∥万hm2-Inputtype年末实有林地面积(x2)∥万hm2-地表水资源总量(x3)∥亿m3-粮食总产量(x4)∥万t-社会支撑城市GDP(x5)∥亿元-工业总产值(x6)∥亿元-农畜产品人均消费(x7)∥元-城市常住人口总数(x8)∥万人-环保投资占GDP比重(x9)∥%-农业从业人员数(x10)∥万人-产出型经济发展养殖业产值/农业产值(y1)∥%+Outputtype主要畜产品自给率(y2)∥%+养殖总量(y3)∥猪当量+产污单元增加值(y4)∥元/猪当量+环境质量粪便TN耕地负荷指数(y5)+粪便TP耕地负荷指数(y6)+V类及以下水质河长比重(y7)∥%+单位耕地化肥施用量(y8)∥t/hm2+单位耕地农药施用量(y9)∥t/万hm2+

注：y5与y6表征有机肥最佳施用量(N：68 kg/hm2；P：14 kg/hm2)[10-12]与实际耕地负载量的比值。

Note：y5andy6indicated the ratio of the optimal application amount of organic fertilizer (N：68 kg/hm2；P：14 kg/hm2)[10-12]to the actual land load.

2结果与分析

2.1评价指标体系量化结果通过资料搜集与整理，获得各评价指标基础数据，对价格类数据以2003年为基准年消除通货膨胀的影响；对相关性相反的指标进行倒数处理。评价指标体系量化结果见表2。

表2　天津市畜禽养殖资源环境承载力指标体系量化

2.2天津市畜禽养殖环境承载力量化结果将指标体系2003～2012年指标数值矩阵代入超效率DEA模型中，通过Lingo软件运算，最终得到2003～2012年天津市畜禽养殖资源环境承载力指数。由图1可知，2003～2012年天津市畜禽养殖资源环境承载力存在波动性。其中2003年天津市自然资源总量和社会支撑条件基本上均处于研究年限最低水平，但畜禽产业经济效益极佳，而且区域环境质量状况基本上处在这10 a的最高水平，因此，畜禽养殖资源环境承载力极高。2010年承载力水平较高主要原因是由于该年是旱年，导致自然资源总量明显减少，但产业经济效益和区域环境质量均处于较高水平。

图1　2003～2012年天津市畜禽养殖资源环境承载力变化情况Fig.1　Changes of environmental bearing capacity of livestock and poultry breeding resource in Tianjin City from 2003 to 2012

整体而言，2003～2012年天津市畜禽养殖环境系统各子系统协调性越来越差，资源环境承载力呈下降趋势。

2.3基于BP网络的环境承载力量化模型仿真结果利用NNTool，以2003～2012年19个评价指归一化后的数值标作为输入，以对应的畜禽养殖资源环境承载力指数作为输出，构建一个三层BP网络。隐含层节点数经过不断调整网络结构确定，最终确定隐含层节点数为7，其训练过程和仿真效果分别见图2、3。

由图2可知，经过6次迭代运算之后，仿真精度指标略高于10-5，满足10-3的仿真精度要求。而且随着网络训练的继续进行，确认样本的误差曲线连续6次迭代不再下降，因此，确定第6次迭代运算后获得的模型即为天津市畜禽养殖资源环境承载力仿真模型。

由图3可知，测试样本的仿真精度为1，模型总体仿真效果为0.999 34，说明该模型具有较强的适应能力，可用于各类样本的评价。

2.4天津市畜禽养殖资源环境承载力预警分析将警戒样本数据代入仿真模型中，输出警戒水平下天津市畜禽养殖资源环境承载力指数为0.896。虽然2003～2012年天津市畜禽养殖资源环境承载力不处于警戒水平，但研究年限内天津市畜禽养殖资源环境承载力呈下降趋势，其中2012年天津市畜禽养殖资源环境承载力指数为1.049，已经趋近警戒水平。

2013年初，天津市为了改善畜禽养殖业资源环境状况，推出了《天津市现代畜牧业建设布局规划2013-2015》，并实施“美丽天津一号工程”，采取种养一体、生态养殖、循环利用、沼气工程、污水纳管、达标排放等模式治理718家规模化养殖场，实现粪污减量化和循环利用。预计上述措施的实施对天津市畜禽养殖业资源环境承载力有一定的提升作用。

图2　BP网络仿真模型训练过程Fig.2　The training progress of BP network simulation model

注：a.训练样本；b.确认样本；c.测试样本；d.总样本。Note：a.Trainning sample; b.Validation sample; c.Testing sample; d.Total sample.图3　BP网络仿真效果检验Fig.3　Proving effect of BP neural network

3结论

建立了基于超效率DEA和人工神经网络耦合模型的畜禽养殖资源环境承载力评价模型，并以天津市为例，结合当地畜禽养殖业实际状况，在构建天津市畜禽养殖资源环境承载力评价指标体系的基础上，对天津市畜禽养殖资源环境承载力进行了综合研究。结果表明：2003～2012年天津市畜禽养殖资源环境承载力虽然不处于警戒水平，但畜禽养殖资源环境承载力整体呈下降趋势，而且2012年天津市畜禽养殖资源环境承载力已经趋近警戒水平。

基于超效率DEA和人工神经网络模型的耦合模型进行畜禽养殖资源环境承载力研究具有可行性，模型运用分析过程具有科学性。同时相比较其他模型而言，耦合模型排除了人为因素影响，价格类指标排除了通货膨胀因素的影响，同时充分考虑了系统内部运行规律，具有一定的应用价值和理论优势。

参考文献

[1] 宋福忠.畜禽养殖环境系统承载力及其应用：以重庆市畜禽养殖环境系统承载力分析为例[C]//王健.第四届畜牧科技论坛论文集.北京：中国农业出版社，2009：65-77.

[2] 张爱，程波，赵静，等.基于灰色理论的畜禽养殖规划环境承载力研究[C]//中国环境科学学会.2010年中国环境科学学会学术年会论文集：第一卷.北京：中国环境科学出版社，2010：1084-1089.

[3] 胡雪飚.重庆市畜禽养殖区域环境承载力研究及污染防治对策[D].重庆：重庆大学，2006.

[4] 王甜甜，程波，冯雪莲，等.华北地区典型区域畜禽养殖环境承载力综合评价研究：以滨州市为例[J].农业环境与发展，2012，29(3)：37-41.

[5] 张红.国内外资源环境承载力研究评叙[J].理论学刊，2007(10)：80-83.

[6] 徐琳瑜，康鹏.工业园区规划环境影响评价中的环境承载力方法研究[J].环境科学学报，2013，33(3)：918-930.

[7] 宋福忠.畜禽养殖环境系统承载力及预警研究[D].重庆：重庆大学，2011.

[8] 郭均鹏，吴育华.超效率DEA模型的区间扩展[J].中国管理科学，2005，13(2)：40-43.

[9] 倪深海.白玉慧.神经网络模型在地下水水质评价中的应用[J].系统工程理论与实践，2000(8)：124-127.

[10] 耿维，胡林，崔建宇，等.中国区域畜禽粪便能源潜力及总量控制研究[J].农业工程学报，2013，29(1)：171-177.

[11] 潘洁，肖辉，陆文龙.天津市畜禽养殖粪便产生量估算及耕地负载初步评估[J].山西农业科学，2014，42(5)：517-520.

[12] 沈根祥，汪雅谷，袁大伟.上海市郊农田畜禽粪便负荷量及其警报与分级[J].上海农业学报，1994，10(S1)：6-11.

Environmental Bearing Capacity of Livestock and Poultry Breeding Resource Based on the Couple Model of Super Efficiency DEA and Artificial Neural Network— A Case of Tianjin City

HUANG Cheng, CHENG Bo*, ZHANG Ai et al

(Agro-Environment Protection Institute of Ministry of Agriculture, Tianjin 300191)

Abstract[Objective] To research the environmental bearing capacity of livestock and poultry breeding resource in Tianjin City based on the couple model of super efficiency DEA and artificial neural network. [Method] On the basis of building the evaluation index system of livestock and poultry breeding resource environmental bearing capacity, we built up the environmental bearing capacity assessment model of livestock and poultry breeding resource by couple model of super efficiency DEA and artificial neural network, then applied the couple model to the example of Tianjin to research its environmental bearing capacity from 2003 to 2012. [Result] Environmental bearing capacity of livestock and poultry breeding resource in Tianjin City was not at alert level from 2003 to 2012, but the environmental bearing capacity presented a downward trend in general. However, environmental bearing capacity of livestock and poultry breeding resource in Tianjin City was close to the alert level in 2012. [Conclusion] The environmental bearing capacity evaluation model based on super efficiency DEA and artificial neural network is scientific. Coupling model eliminates human factors, fully considers the internal system operation rule, and has certain application value and advantage of theory.

Key wordsEnvironmental bearing capacity of livestock and poultry breeding resource; Evaluation index system; Super efficiency DEA; Artificial neural network; Couple model

基金项目中央级公益性科研院所业务费专项(2011-aepi-14)。

作者简介黄成(1991- )，男，安徽桐城人，硕士研究生，研究方向：环境影响评价。*通讯作者，研究员，从事农业环境保护研究。

收稿日期2016-02-09

中图分类号X 321

文献标识码A

文章编号0517-6611(2016)08-014-04