水库征地移民发展扶持管理信息系统研究

吴启凡,张馨月

(1.河海大学公共管理学院,江苏南京210098；2.中国移民研究中心,江苏南京211100；3.南京理工大学,江苏南京210094)

水库征地移民发展扶持管理信息系统研究

吴启凡1,2,张馨月3

(1.河海大学公共管理学院,江苏南京210098；2.中国移民研究中心,江苏南京211100；3.南京理工大学,江苏南京210094)

通过对联合国可持续发展委员会(UNCSD)可持续发展指标与世界银行(WB)移民导则进行分析研究,建立水库征地移民发展扶持评价指标体系；运用神经网络模型,分别对水库征地移民生产生活现状与搬迁前原居住地生产生活情况、现居住地非移民生产生活水平进行综合对比分析,得出征地移民发展扶持效果评价结论,并通过MIS系统实现水库征地移民发展扶持信息化管理。通过管理信息系统提供数据采集平台、明确指标体系内容,简化评价模型操作难度,使系统具有普适性,为各领域移民发展扶持评价提供研究依据。

征地移民；发展扶持评价；BP神经网络模型；MIS系统

1 研究综述

移民的长期发展已得到世界银行、亚洲开发银行,以及世界部分国家的高度重视;但对于移民发展扶持效果的评估与管理还没有达到系统化要求[1]。水库征地移民发展扶持管理是水利水电工程规划设计和建设过程中必须重视的重要因素之一。水库移民的生活生产是否能得到保障,是水电站顺利运行的基本要素之一,移民的信息化管理已成为满足信息时代高速发展的必然选择。

国内外对于征地移民的研究始于20世纪末。针对水库征地移民发展扶持管理的研究,主要以迈克尔·塞尼教授、施国庆教授等对世界银行移民政策、三峡工程移民、南水北调工程移民等的研究为基础[2- 4]。目前,移民发展扶持研究主要集中于政策、方法、理念层面,对发展前景、扶持效果评价的研究相对较少[2,5],虽有相关定量研究,但主要集中于单向度的、不具有反馈机制与自适应能力的传统模型与评价方法[2,6]。针对征地移民管理信息系统的研究相对较少；且现有移民管理信息系统的主要用途依然停留在移民征迁、安置的前期与中期,对后期发展状况的评价与管理仍处于十分薄弱[7]。

2 系统构架

水库征地移民发展扶持管理信息系统旨在为征地移民管理提供有效途径,为移民基础数据录入、监测数据跟踪,以及数据综合处理、移民发展水平评价提供具有便利平台、规范化管理体系的智能评价系统。

系统主要包括数据管理模块、指标体系模块、发展评价模块三个部分。其中,数据管理模块主要管理移民在原居住地的基底数据资料、移民在现居住地的监测数据资料、现居住地的原居民的各阶段对比数据资料三个部分；指标体系主要用于确定发展扶持评价模型的数据体系,对数据管理模块的数据进行筛选、分类,并标准化处理,为评价模型提供数据基础；发展扶持评价模块为该系统的主体部分,采用BP神经网络模型,用误差反向传播算法,主要运算机制与人脑相似,可自动计算权值,具有强大的反馈机制与自适应能力(见图1)。通过BP神经网络模型对已经处理好的原居住地移民基底数据、现居住地原有居民数据分别进行训练,可得到训练组1、训练组2两组已经具有权重和阈值训练模型,并用其对移民现阶段监测数据进行测试得到移民现阶段发展情况是否已达原有生活水平、是否达到现居住地原著民生活水平的数据；从而可对未达到发展要求的移民区域的子指标进行进一步测算,找到具体的待扶持方向,以指导下一步发展计划的制订,推动移民整体发展与共同进步,保障移民既能达到搬迁前的生活条件,又能尽快融入新的生活环境。

图1 系统构架

3 指标体系构建

根据联合国可持续发展委员会(UNCSD)的可持续发展集成指标的研究基础,结合世界银行(WB)移民导则的基本要求,将水库征地移民发展评价指标体系划分为社会指标、经济指标、环境指标三个部分,共计22个指标[8-10]。由于神经网络模型在系统训练过程中具有自动聚类、降维的能力,不需要对指标体系进一步简化[11]；同时,模型基础数据要求无量纲化处理,但是一般的标准化方法,都会对数据质量造成影响,对于不同的数据结构还需要采取不同的标准化方式,这样便失去了系统自动化、智能化的优势。那么,在指标体系建立的过程中,如能选用无量纲指标,将最大限度的优化系统。那么,对于移民这种数量庞大的群体,采用比例、比率这种指标计量形式更有利于评估区域整体的发展情况,大大减小抽样误差与极差影响[9]。综合以上因素,本研究最终将水库征地移民发展扶持评价指标体系设定为表1中各项。

其中,关键生态系统包括森林、湿地等,能源利用指煤炭、电、天然气等,温室气体主要统计二氧化碳排放,耕地包括水田、旱地两部分；某项指标的比例指的是某移民村该项指标占整个移民区域的比例,某项指标的区域百分比指的是某移民村该项指标占整个移民区域的比例。以图2所示案例中的医疗指标为例,其涉及的三个参数：a村移民拥有基础医疗服务的人口比例指的是a村移民拥有基础医疗服务人口占W县拥有基础医疗服务人口的比例；a’村移民拥有基础医疗服务的人口比例指的是a’村移民拥有基础医疗服务人口占W县拥有基础医疗服务人口的比例；a’村原居民有基础医疗服务的人口比例指的是a’村原居民拥有基础医疗服务人口占W县拥有基础医疗服务人口的比例。

4 评价模型

征地移民发展扶持情况涉及社会、经济、文化、生产、生活、生态等到个方面,同时各方面因素难以量化,不便于进行好坏划分,传统的计量模型对权值、阈值的依赖较大,受人的主观影响,同时不能对误差进行自动校正。该系统采用具有反向传播算法的BP神经网络模型,BP神经网络模型已广泛应用于医学、计算机科学、材料学等多个领域,但是在移民学、管理学等社会科学领域应用极少,采用该模型来评价移民发展情况,主要由于BP神经网络模型能够对移民发展扶持效果评价的各项指标进行自动赋权计算,并通过反向传播算法对误差进行自动修正,能够自动适应环境、总结规律,并进行识别、仿真、测算[13]。一般的BP神经网络模型包含输入层、隐藏层、输出层。

表1 水库征地移民发展扶持评价指标体系

图2 W县G工程移民区域划分

征地移民发展扶持评价模型的训练组分别为原居住地移民基底情况、现居住地原有居民综合情况,测试组为移民现阶段综合情况。

输入层矩阵：P=[P1,P2,…,Pn]。其中,Pn=[A1,n,A2,n,…,An,n,B1,n,B2,n,…,Bn,n,C1,n,C2,n,…,Cn,n]T。式中, 1代表第一项指标,n代表第n个测算对象：每个测算对象涉及A、B、C3类指标,此例中每类指标分别有9、6、7个子指标。

输出层矩阵：T=[T1,T2,T3,T4]。其中,Tn的取值区间为(0,1),0代表不满足发展要求,1代表满足发展要求；T1代表某移民村的整体发展水平评价结果；T2、T3、T4分别代表该移民村社会、经济、环境各个方面的独立评价结果。

那么,该评价模型不但可以对任何移民区域进行整体发展情况综合评价,还可以对欠发达地区的待扶持方向进行标记,便于为移民发展扶持提供定点、定向的指导意见,大大提高移民发展效率。为此以W县G工程的移民为例进行具体说明。

W县G工程涉及A、B、C、D、E 4个乡,包括a、b、c、d、e、f 等6个移民村。其中2个村为后靠安置,4个村为近迁安置,分别安置在移民新村a’、b’、c’、d’、e’、f’,具体村落分布如图2所示(该图为移民发展后期,乡镇规划调整完成后的行政区划及土地利用分布)。

各移民村原生产生活基底情况的指标集记为矩阵P=[P1,P2,…,P6]；各移民新村原有居民生产生活现状的指标集记为矩阵P’=[P1’,P2’,…,P6’]；各移民村移民现阶段发展情况指标集记为矩阵Q=[Q1,Q2,…,Q6]。

R=0.911

由评价结果T1可知,现阶段移民综合发展水平已基本达到征地拆迁前的生产生活水平,只有b、c两村在生态环境方面相对较差。根据对其移民新村实际情况了解,在W县B乡、C乡正东方存在工业园区,虽不在W县范围内,但是对b’、c’村所在地区生态环境造成了严重影响,温室气体排放量较高,空气质量相对较差,周边土地荒漠化严重,整体生态环境相对较差。

由评价结果T2可知,现阶段移民综合发展水平已基本达到移民新村原居民的生产生活水平,只有b、c两村在经济方面评价略低。根据对其移民新村实际情况了解,b’、c’、e’村所在地区均为沿河村落,村落周围有少量农田,绝大多数居民以渔业为生,虽然b、c两移民村也有部分居民以渔业为主业,已掌握了主要技术,但是还没有完全适应b’、c’村网箱养殖的作业流程与生产模式。

通过对评价结果进行综合分析,可以得出该县移民整体发展水平已经达到基本要求,未来扶持方向只要针对b’、c’两移民新村的技术培训与对该区域工业园区的环境整治。通过实地研究可知,该评价模型在移民发展评价具有极大的实际意义,评价结果准确,符合实际情况,既便于宏观评价移民的整体发展水平,又可以微观地分析各地区、各方面的具体问题,对推动移民整体发展,加快移民与原著民融合具有积极意义。

5 MIS系统实现

运用MIS系统实现征地移民发展评价与扶持管理的主要目的是简化评价体系实现过程,将移民信息管理与移民评价、移民发展进行系统管理,降低移民管理难度,让移民发展评价能够得到最大限度地使用与推广。MIS系统在操作上将大大降低数据收集、数据预处理、模型建立、模型求解、结果分析的难度,增强人机交互[12,7]。征地移民发展管理信息系统包括数据采集、训练、测试、结果输出几个部分(见图3)。数据采集部分通过数据录入系统实现,点击“录入”按钮将出现如图4所示的数据录入系统,通过项目选择与数据录入可完成基础数据录入；点击“训练”按钮进行对数据进行筛分与预处理,点击“测试”将分别实现移民发展情况的两组评价(即：是否达到搬迁前原有水平,是否达到搬迁后原居民综合发展水平)。

图3 征地移民发展管理信息系统界面

图4 数据录入系统界面

图5 评价结果输出界面

测试结果有两部分组成：一是如图5所示的宏观评价结果；二是对matlab神经网络工具箱计算结果的输出,可通过点击“输出”按钮实现,其输出结果包括结果矩阵和校验参数。其一方面对移民发展各方面情况进行描述,以便对评价结果细节问题进行分析,定点定向地提出移民发展扶持意见；另一方面对模型精度、回归效果、误差等进行记录,以便对模型参数进行修正。

6 结论与展望

本水库征地移民发展扶持管理信息系统为移民基础数据录入、监测数据跟踪,以及数据综合处理、移民发展水平评价提供具有便利平台、规范化管理体系的智能评价体系,可线上、线下同步处理,人机交互界面简洁,面向对象广泛。

在指标体系方面,可以二次开发,针对不同项目、不同地区的特殊情况进行增改；在评价模型方面,神经网络模型在进行大数据计算时,训练时间可能相对较长,但是可以通过变化学习速率或改进自适应学习速率进行优化。总体来讲,BP神经网络模型在移民发展评价领域的应用,能够有效解决数据量化、聚类、赋权问题；同时能够避免人工因素的影响,通过反馈与学习,将误差降到最低。该评价体系既可以评价移民是否恢复到搬迁前原有生活生产水平,又可以评价移民是否达到安置地基本生活发展要求,并对具体情况给出定点、定向的评价结果,以便管理部门提出指导意见。本模型以水库征地移民为例进行说明,也可应用于其他领域的移民发展扶持评价,具有很好的推广型,同时评价体系通过管理信息系统调用,能够成功解决模型评价操作复杂,结果数据难以理解的问题,增强人机交互,简化数模操作难度,进一步加强普遍适用性,为移民管理和移民发展提供了有效途径。

[1]许明家. 全国水库移民后期扶持管理信息系统环境建设[J]. 水利信息化, 2011(2): 1- 4．

[2]牟立. 水库移民后期扶持效果评价[D]. 北京： 清华大学, 2014．

[3]胡兴球, 赵楠. 世界银行及国外水库移民管理经验总结[J]. 水利规划与设计, 2008(3): 60- 64．

[4]Word Bank. Involuntary Resettlement Sourcebook: Planning and Implementation in Development Projects[M]. The World Bank, 2004．

[5]RANGANATH V G. Land Acquisition: Issues and Challenges[J]. Iup Law Review, 2013．

[6]周广科. 东平湖水库移民后期扶持与库区可持续发展评价研究[D]. 济南： 山东大学, 2010．

[7]嵇培欢, 周竞亮. 水电工程建设征地移民管理信息系统建设概述[J]. 人民长江, 2013, 44(13): 104- 108．

[8]郑瑞强. 水库移民后期扶持政策实施满意度评价及影响因素分析[J]. 水力发电, 2013, 39(10): 1- 4．

[9]姜仁荣, 李满春. 区域土地资源集约利用及其评价指标体系构建研究[J]. 地域研究与开发, 2006, 25(4): 117- 119．

[10]傅秀堂. 水利水电工程移民安置规划[M]. 北京： 水利水电出版社, 2007．

[11]高薇, 范光伟, 沈正,等. 四川省水库移民后期扶持管理信息系统设计与实现[J]. 中国水运月刊, 2013, 13(9): 80- 81．

[12]吴启凡, 贾楠, 殷鸣. 多模型评价体系的应用研究[J]. 数学的实践与认识, 2015, (13): 9- 17.

[13]吴宗法, 施国庆. 工业化进程中的工程移民研究[J]. 河海大学学报: 哲学社会科学版, 2005, 4(2): 39- 44．

(责任编辑 陈 萍)

“锦屏一级地下厂房洞室群围岩破裂扩展机理与长期稳定控制关键技术”科技项目成果通过鉴定

2017年4月6日，“锦屏一级地下厂房洞室群围岩破裂扩展机理与长期稳定控制关键技术”科技项目成果通过中国岩石力学与工程学会组织的鉴定。经钱七虎、王思敬、陈祖煜等国内7名权威专家鉴定认为：研究成果在高地应力大型地下洞室群围岩长期稳定性控制技术领域达到国际领先水平，社会经济效益显著，促进了行业技术进步，具有广泛的市场推广应用前景。

锦屏一级水电站地下厂房洞室群规模大，地质条件复杂，地应力水平高，围岩强度应力比低，卸荷松弛强烈，破坏范围与变形量值大，变形历时长，是行业内公认的围岩稳定控制难度最大的大型地下厂房洞室群工程。

为此，中国电建集团成都勘测设计研究院有限公司牵头开展了“锦屏一级地下厂房洞室群围岩破裂扩展机理与长期稳定控制关键技术”研究，历时7年，取得了一系列丰硕的研究成果。项目研究成果解决了高地应力区大型地下厂房洞室群的布置、洞室变形控制设计、围岩稳定分析和安全评判等一系列关键技术难题，部分成果填补了国内外高地应力地下洞室群围岩破裂扩展和变形稳定控制方面的研究空白。研究成果已成功应用于锦屏一级水电站工程，实现了部分机组发电提前，经济效益显著，并为厂房长期安全运行提供了技术保障；研究成果提升了成都院在大型地下洞室群方面的核心竞争力，为成都院响应“一带一路”号召，实施“走出去”战略提供了坚强的技术保障。

(中国电建集团成都勘测设计研究院有限公司)

Study on Development Supporting Management Information System of Reservoir Resettlement

WU Qifan1,2, ZHANG Xinyue3
(1. School of Public Administration, Hohai University, Nanjing 210098, Jiangsu, China;2. Research Center for Resettlement, Nanjing 211100, Jiangsu, China;3. Nanjing University of Science & Technology, Nanjing 210094, Jiangsu, China)

Taking reservoir resettlement as study case, the sustainable development indicators of United Nations Commission on Sustainable Development (UNCSD) and the resettlement guidelines of World Bank (WB) are analyzed to establish an index system for evaluating resettlement development supporting. Then the neural network model is used to make comparative analyses between current production and living conditions of resettlement with that before resettlement and that of local residences for evaluating the development supporting effect of resettlement. Finally, the MIS system is used to establish resettlement development supporting management information system. The management information system can provide data collection platforms and clarify indicator system, which can simplify operation difficulty of evaluation model and make the system more universal to provide research basis for the evaluation of resettlement development supporting in various fields．

land acquisition and resettlement; development supporting evaluation; BP neural network model; MIS system

2016-11- 07

国家社会科学基金重大项目资助(13&ZD172)；国家社会科学基金重大项目资助(15BSH037)

吴启凡(1991—),男,黑龙江哈尔滨人,硕士研究生,研究方向为土地资源管理、MIS、移民学．

D632.4；TV622

A

0559- 9342(2017)05- 0016- 05