基于PSR和GA-Elman模型的露天矿区生态安全评价研究

王锦洋，卢才武，李发本，章 赛

(1.西安建筑科技大学管理学院，陕西 西安 710055；2.洛阳栾川钼业集团股份有限公司，河南 洛阳 471000)

矿产资源的开发带动了矿区经济的发展，同时也给矿区的生态环境造成了影响。矿区生态安全是指矿区生态系统在一定的时间和空间内保持健康的生态环境，并提供连续的自然资源生态环境[1]。2018年6月23日，河南省召开全省露天矿山开发与综合治理会议，将加强推进绿色矿山建设，力争在2020年之前使全省露天矿山全部达到绿色矿山标准，实现矿山生态环境的综合治理。然而，矿产资源的大规模以及不合理开发已经对该地区的生态安全造成了严重的危害，矿区生态系统遭到了破坏，出现了大气污染、农作物损失、泥石流、植被破坏等一系列生态环境问题[2-3]。因此，结合矿区的实际情况，对矿区的生态安全变化趋势进行研究，有助于为矿区生态环境的可持续发展提供合理的依据。

随着“绿水青山就是金山银山”理念的提出，人们对生态环境问题的关注度越来越多，生态安全研究也因此成为研究的热点问题。国外主要从区域角度，从生态系统健康评价和生态风险评价两方面进行研究[4-5]。RASUL等[6]以孟加拉国为例，从农业生态环境、生态经济等方面对当地的耕地生态状况以及可持续发展进行分析；HAN等[7]采用模糊综合评价方法对城市生态安全等级进行计算、分析和评价。但是，国外学者对矿区生态安全的研究较少，而国内对于生态安全的研究主要以河流、土地、耕地生态研究为主[8-10]。高长波等[11]提出了区域生态安全的概念，强调研究对象的时空性和研究方法的系统性;庞雅颂等[12]通过生态安全与其他相关概念的对比，对生态安全理论和评价方法进行总结；郑洋等[13]运用PSR评价模型，讨论胶州湾土地利用变化与区域生态安全之间的关系，加强海岸带的综合管理；陈勇等[14]通过建立定量指标和定性指标的方法，对地下铁矿山土地生态安全进行评价。

综上所述，国内外对生态系统的研究均从宏观层面进行讨论，很少细化到特色的区域生态系统研究，即使有少数研究学者有所涉及，也只进行了简单的生态安全评价，针对矿区生态安全的预测研究更少。本文以三道庄矿区为例，在建立矿区生态安全预测指标体系的基础上，运用GA-Elman神经网络对该矿区生态安全趋势进行预测研究，并对预测结果进行分析，为生态矿山的建设提供依据。

1 评价指标体系的建立及数据来源

1.1 研究区概况

本文选取三道庄露天矿区作为典型代表，该矿区位于河南省洛阳市，是东秦岭-大别山钼成矿带内的一个重要矿区，矿区规模巨大，目前开采规模达到30 000 t/d。该矿区为当地经济快速发展提供便利的同时，生态环境也受到冲击。

1.2 构建矿区生态安全指标体系

PSR模型是联合国环境规划署(UNEP)和经济合作与发展组织(OECD)于1994年提出的世界环境评价模型[15]。文中通过PSR模型构建矿区生态安全指标体系，将矿区生态安全分为3个指标类型：矿山开发引起生态破坏、环境污染等问题，给矿区生态系统带来了极大的压力(P)，矿山长时期的开发改变了矿区原有的生态环境状态(S)，为了改善矿区生态环境状况，政府和企业采取一系列经济投入、环保措施等决策(R)[16]。通过对三道庄矿区的实地调研以及矿区生态安全概念的理解，建立了以矿区生态安全综合指数为评价目标的目标层，以生态系统压力、状态、响应为评价准则的准则层，选取人口自然增长率、人口密度、人均耕地面积等21个指标构建三道庄矿区生态安全评价指标体系(表1)。其中“+”“-”表示指标的正负属性。

表1 三道庄矿区生态安全评价指标体系及近3年数据Table 1 Sandaozhuang mining area ecological safety evaluation index system and data in the past three years

1.3 数据来源

由于本文建立的评价体系中涉及到的指标数量很多，指标的来源也有所不同，文中给出近3年的具体数据(表1)。总体来说，本文中用到的生态安全评价指标数据获取的渠道主要有三种：①可以直接获取的数据，如塌陷土地治理率、植被修复率等主要来自于洛阳市安全监察局、环境保护局、统计分析所；②间接获取的数据，如土地利用结构指数、空气质量达标情况等采用问卷调查、专家评价的方式获得；③部分指标数据，如矿产年产量等为该区域的实际发生值。

2 研究方法

2.1 数据的标准化处理及权重的确定

由于各指标数据来源于不同的方面，通常具有不同的量纲和数量级。因此，为了能更好地反映矿区生态安全的综合状况，对所获得到的数据进行标准化处理，正趋向指标计算见式(1)，负趋向指标计算见式(2)。

(1)

(2)

式中：Cij为第i年第j个评价指标数据的标准化值；Xij为第i年第j个评价指数的原始值。

层次分析法能将难以定量的总目标进一步分解为可定量的、精细化的层次结构，并且还可以得出各指标的权重值，但其具有很强的主观性，很难准确地反映出矿区生态安全各评价指标的权重。熵权法是参照各个评价指标传递给决策者的信息量来确定指标权重，充分体现数据的客观规律，很好地修正主观赋权带来的偏差，但这也有与实际情况不吻合的地方，因为数据统计时可能有所差异，而且部分历史数据的发生也存在偶然因素。为了弥补层次分析法和熵权法的不足，更加真实地反映指标体系中每个指标的重要程度，本文在两种赋权方法的基础上采取指标综合权重，权重组合是在AHP权重(Ai)和IE权重(Ii)两种赋权方法的基础上采用线性加权的集成赋权模型，综合权重计算见式(3)。

Wj=δ1Ai+δ2Ii

(3)

式中，δ1和δ2为层次分析法和信息熵权法的表示系数，且满足条件：δ1+δ2=1，δ1>0，δ2>0。

2.2 生态安全预测模型——GA-Elman模型

Elman神经网络模型[17]由Elman提出，是一种典型的时间序列反馈神经网络，相对于BP神经网络，它在隐含层增加了一个具有反馈功能的承接层，达到了记忆的目的。因此整个网络的时变特性较好，而且还有较好的收敛速度和预测精度。典型的Elman网络结构如图1所示。

图1 Elman神经网络结构Fig.1 Elman neural network structure

Elman神经网络算法计算见式(4)和式(5)。

a1(k)=f(IW1,1×P+LW1,1×a1(k-1)+b1)

(4)

a2(k)=g(LW2,1×a1(k)+b2)

(5)

式中：f为中间层的转换函数，函数的选取与BP神经网络相似，一般是Sigmoid函数；g为输出神经元的转换函数；a1(k)为隐含层的输出；a2(k)为输出层的输出；IW1，1，LW1,1，LW2，1分别为输入层—隐含层、承接层—隐含层、隐含层—输出层的链接权值；p为输入向量；b1和b2分别为隐含层和输出层的阈值矩阵。

本文采用遗传算法对Elman神经网络权值阈值进行优化，具体实现步骤如下所述。

第一步：初始化权值和阈值。选择的编码方式为实数编码，确定Elman神经网络的结构方式，将神经网络的所有权值阈值实数编码成一个个体。

第二步：计算种群适应度。取预测输出值和期望值间的误差平方和为适应度函数，计算见式(6)。

(6)

第三步：确定遗传策略。

第四步：随机生成初始种群。

第五步：根据适应度函数计算个体的适应度值。

第六步：根据遗传策略作用到整个种群上，从而产生新的种群。

第七步：判断种群是否满足要求，满足则结束算法，不满足则返回第六步继续寻优；使得实际输出与期望输出的误差很小，从而得出矿区生态安全指标的变化趋势。流程图如图2所示。

对模型性能进行评价时，本文选取平均相对误差MAPE、平均绝对误差MAE及平均平方根误差PMSE作为评价模型预测性能的指标，指标的值越小，说明预测精度就越高。

平均相对误差MAPE计算见式(7)。

(7)

平均绝对误差MAE计算见式(8)。

(8)

平均平方根误差PMSE计算见式(9)。

(9)

2.3 安全等级划分

参考有关研究成果[14-15]，根据等分的原理，将研究区的生态安全均分为五个等级(表2)。

图2 遗传算法优化的Elman神经网络Fig.2 Genetic algorithm optimized Elman neural network

表2 三道庄矿区生态安全等级
Table 2 Sandaozhuang mining area ecological security level

区间[0,0.2)[0.2,0.4)[0.4,0.6)[0.6,0.8)[0.8,1.0]状态严重不安全中度不安全轻度不安全较安全安全生态安全等级ⅠⅡⅢⅣⅤ

3 结果与分析

3.1 权重计算结果

由层次分析法和熵权法分别确定矿区生态安全预测指标的AHP权重值和IE权重值；根据已得的AHP权重和IE权重，代入集成赋权模型算出各指标的综合权重。依据相关研究成果[16]，取δ1和δ2分别为0.5、0.5，计算各指标综合权重(表3)。

3.2 矿区生态安全评价

基于2008～2017年三道庄矿区生态安全评价指标数据及相应的综合权重，运用上述方法对近几年该矿区的生态安全等级进行划分(表4)，得出矿区生态安全综合值(图3)和分类指标评价结果(图4)，根据生态安全评判标准与安全等级，结合该矿区的具体情况，对近几年该矿区的生态安全等级进行划分，同时也为之后生态安全的预测做了充分的准备。

表3 指标综合权重计算结果Table 3 Index comprehensive weight calculation results

表4 2008～2017年三道庄矿区有生态安全值Table 4 Ecological safety value in Sandaozhuang mining area from 2008 to 2017

3.2.1 综合评价结果

结合图3从时间尺度对矿区生态安全进行评价，可以看出近10年来矿区生态安全的变化情况。2008～2017年矿区生态安全综合指数呈W型变化，总体呈现上升趋势，表明国家相关政策以及矿山企业对生态安全的重视程度不断提高。2008～2017年矿区生态安全综合指数在0.357 0～0.535 6之间，根据矿区生态安全等级，最近10年矿区生态安全处于中度不安全和轻度不安全状态，基本可以分为四个阶段：第一阶段为2008～2010年，处于0.357 0～0.454 5之间，从轻度不安全等级转到中度不安全等级；第二个阶段为2010～2012年，综合安全指数连续两年大幅度上升，从0.357 0到0.473 9，处于轻度不安全等级；第三阶段为2012～2013年，2013年矿区生态安全综合值突然下降，降至0.388 7，处于中度不安全等级；第四个阶段为2013～2017年，生态安全综合指数持续上升，2015～2016年有所缓慢，2017年生态安全综合值上升至0.535 6，虽然仍处于轻度不安全等级，但是已经有了很大提升，如果继续采取有效的改善措施，矿区生态安全很有希望进入较安全等级或者安全等级。

图3 矿区生态安全综合值评价结果Fig.3 Mining area ecological safety comprehensive value evaluation results

3.2.2 分类评价结果

从图4可以看出，虽然矿区生态安全综合值在平稳上升，但是2008～2017年之间矿区生态安全压力评价指数也在不断上升，由2008年的0.154 8上升到2017年的0.500 6，说明矿山的开发还是给矿区的生态环境带来了一定的压力。主要原因是矿产的产出量、回采率、人口增长率的增长等，矿山开发产生的废气和粉尘大量地排放到空气中，很多指标都超过了《大气污染物综合排放指标》，近年来，洛钼集团钼冶炼废气制酸技术的研制成功也在一定程度上缓解了大气污染带来的压力。矿区的生态安全状态评价指数也随之下降，由2008年的0.857 7下降到2017年的0.433 9，下降了49.4%，主要原因是矿山活动的进行导致了植被覆盖率、空气质量以及地表水环境质量的下降，使得矿区状态系统的安全形势不容乐观。随着国家对生态安全重视程度的不断提高，对环保投资、科技投入、政策支持的力度不断加大以及企业对废水达标排放率、废石综合利用率的提高，使得矿区生态安全响应评价指数整体处于良好的态势。

3.3 矿区生态安全预测

根据GA-Elman模型的原理，借助MATLAB 2014a软件，以三道庄矿区2008～2017年的生态安全综合指数为原始数据，对2018～2025年矿区生态安全状况进行预测。首先对GA-Elman模型的性能进行检验，得到预测模型的性能指标(表5)。

图4 矿区生态安全分类评价结果Fig.4 Mining area ecological security classification evaluation results

表5 评价模型预测性能的指标
Table 5 Evaluation model prediction performance indicators

指标MAEMAPERMSE结果0.027 40.125 60.032 7

由评价模型性能指标可以看出，预测误差在可以接受的范围内，本文所提出的预测模型针对矿区生态安全的预测有较高的准确性和可靠性，能够从历史数据中预测到矿区生态安全的变化趋势。经大量实验确定输入层神经元为3，输出层神经元为1，由此，学习样本数据量为4，选取前3年的生态安全综合值作为输入来预测第4年的生态安全综合值，利用2008～2017年10年数据构造出7组样本，其中5组学习样本，2组测试样本，如此得到2018～2025年矿区生态安全综合指数及变化趋势(图5)。从图5中可以看出，2018～2025年矿区生态安全状况稳步上升，2020年矿区生态安全综合指数从轻度不安全等级进入较安全等级，矿区环境将逐年改善，基本实现露天矿安全环保开发，到2025年矿区生态安全综合指数达到0.749 1，接近安全等级的范围。

图5 2008～2025年矿区生态安全综合指数预测Fig.5 Mining area ecological security comprehensive index forecast from 2008 to 2025

4 结论与建议

1) 以PSR模型为框架，构建矿区生态安全评价指标体系，采用集权赋权法求得各指标的权重，得出矿区生态安全综合指数，研究发现，2008～2017年矿区生态安全综合指数总体呈W型上升趋势，安全等级从轻度不安全等级演变为较安全等级。状态指数整体呈下降趋势，压力指数和响应指数呈现波动上升趋势，矿产年产量、废渣废水排放量、废石综合利用率，地表水环境质量、空气达标情况、政府支持力度等指标对矿区生态安全的影响较大。运用GA-Elman模型对矿区生态安全综合值进行预测，得出2018～2025年矿区生态安全的变化趋势，为矿区政府和企业采取措施提供参考。

2) 通过对矿区生态安全评价结果可以看出，矿区的发展需要将经济效益、社会效益、和环境效益协调统一。坚持预防为主、预防和治理相结合以及综合治理污染等政策方针，合理有效的防治矿区环境污染。合理利用矿区资源，采用科学的技术使资源得到充分利用，不仅可以有效地改善矿区的生态环境，还可以节约成本。政府管理机构应该加大对污染源头的监控管理，提前对污染源进行治理，将矿山生产活动排放污染物的量控制在合理标准之内。加强对废弃物的循环利用，把不利于生态安全的有害废弃物减少到自然环境可以自行净化的程度。大力发展生态安全宣传教育，发展科学技术，提高矿区人民的生态保护意识，从而促进矿区生态安全状况的持续改善。