基于相对熵TOPSIS排序法的水库移民安置公众参与效果评价

杜 恒，姚凯文，张 丹，刘炳文

(华北电力大学水利与水电工程学院，北京 102206)

0 引 言

水库移民公众参与作为体现民主权益，提升公共决策质量，发挥移民积极性和创造性，缓解政府与移民之间矛盾的重要手段[1]，在水库移民安置中发挥不可或缺的作用；因此充分利用公众参与机制推进水库移民妥善安置，已成为解决水库移民安置问题的重要途径。2006年国务院颁布的《大中型水利水电工程建设征地补偿和移民安置条例》中第6、7、9、15、38、53条分别从移民规划大纲、实物指标调查、安置规划、移民后期扶持等方面赋予移民参与的权利，为移民的参与权提供法律制度保障[2]，但由于经济社会发展水平限制、政策法规不健全、移民参与意识不强及参与能力不足等原因的影响，水库移民公众参与往往成为一种摆设，对解决移民安置中存在的问题并无实质性作用，相反还会给移民安置工作中各类问题的解决带来困难[3]。基于此情况，为充分发挥公众参与的积极效应，对水库移民公众参与效果的研究是十分必要的。

目前，我国对水库移民公众参与的研究主要集中在参与形式、参与内容、参与过程中存在的问题及解决对策等理论方面，而对于参与水平、参与效果等评价方面的研究甚少。本文基于相对熵TOPSIS排序法对水库移民安置公众参与效果进行评价，以熵值大小对评价对象的参与效果进行排序，从而得到评价对象参与效果优劣情况。文中所建立的指标体系和运用的评价方法可为水库移民公众参与课题提供一种思路。

1 指标体系的建立

选取合理的评价指标对于最终评价结果的正确性至关重要。考虑到水库移民安置公众参与形式的多样性和复杂性，本文选取了4个一级指标、13个二级指标，构建水库移民安置公众参与效果评价指标体系(见表1)。

表1 水库移民安置公众参与效果评价指标体系

2 相对熵TOPSIS排序法评价模型

2.1 基本原理

相对熵是研究两个概率分布间差异的非对称性度量，由Kullback于20世纪50年代以著作的形式系统阐述[4]。在信息理论中，相对熵可以解决方案优选的问题，其基本原理是利用相对熵来度量多属性决策中的被评方案和理想方案之间的接近程度，进而判断各方案优劣情况；而本文研究的水库移民安置公众参与效果评价是对选取的移民村进行参与效果优劣的对比分析。因此，建立相对熵TOPSIS排序法评价模型对本文研究对象是适用的。

2.2 评价模型建立

2.2.1 确定评价指标权重

本文利用组合赋权法计算评价指标权重，其中主观权重计算采用AHP-GEM-GH法[5]，客观权重计算采用BP神经网络法[6]，组合赋权计算采用基于离差最大化的组合赋权法[7]。

(1)AHP-GEM-GH法。①咨询n名专家的意见，专家通过两两比较的方式对各指标的相对重要性进行判断并构建判断矩阵Xi，m×m(i=1，2，…，n；m为指标数)，判断矩阵需满足一致性检验，然后求解判断矩阵的特征向量xi(i=1，2，…，n)。②将特征向量xi(i=1，2，…，n)作为GEM法中专家的打分值，构造评分矩阵Ym×n，再利用公式Z=YTY，得到矩阵Zn×n，求解矩阵Z的特征向量，将该特征向量作为评分最公正、决策水平最高的专家(理想专家)的评分向量x理想。③专家个体Si的决策水平越低，其结论与理想结论相差越大，因此可用决策熵Hi来度量这种差异度。即

(1)

(2)

(2)BP神经网络法。①BP神经网络一般由三个网络层组成，即输入层，隐含层和输出层。首先确定各层神经网络单元数，其中隐含层神经单元数[8]

(3)

式中，t、m、l分别为隐含层、输入层、输出层神经单元数；N∈[1，10]。②利用MATLAB软件进行编程[9-10]，设置BP神经网络训练参数，输出输入层到隐含层、隐含层到输出层的连接权值。③将连接权值进行相关计算，最终得到绝对影响系数，即客观权重值ω=(ω1，ω2，…，ωm)T。相关显著系数rij、相关指数Rij、绝对影响系数Sij计算如下

(4)

Rij=|(1-e-y)/(1+e-y)|

(5)

(6)

式中，x=ωjk，y=rij；i为神经网络输入单元，i=1，2，…，m；j为神经网络输出单元，j=1，2，…，l；k为神经网络的隐含单元，k=1，2，…，t；Wki为输入层神经元i和隐含层神经元k之间的权系数；ωjk为输出层神经元j和隐含层神经元k之间的权系数。

ξ=αW0+βω

(7)

式中，α、β分别为组合权重的线性表示系数，且满足约束条件α≥0，β≥0，α2+β2=1；W0为主观权重向量；ω为客观权重向量。

设全部评价对象间的总离差为Ω，则

(8)

式中，s为评价对象个数；m为评价指标个数；yij为第i个评价对象第j个指标的指标值。基于离差最大化的思想，求解最优化模型，使得求出的组合权重向量能够令离差最大化。最大化模型如下

(9)

为求解该最优化模型，构建lagrange函数

(10)

式中，φ为lagrange乘子。接下来对L(α，β)求偏导，求解可得α，β值分别为

(11)

2.2.2 相对熵TOPSIS排序评价法

基于相对熵的TOPSIS排序法[11]的具体步骤如下：

(1)构造标准化决策矩阵{vij}s×m及加权标准化决策矩阵{uij}s×m

(12)

(13)

(14)

(15)

式中，T1、T2分别为效益型和成本型指标的集合。

(3)计算评价对象与正理想解和负理想解的相对熵

(16)

(17)

(18)

3 实例分析

本文选取河南省C水库工程作为计算实例，用基于相对熵TOPSIS排序法进行水库移民安置公众参与效果评价。由于C水库涉及的移民村较多，故从中选取代表性较强的三个移民村进行研究，以代号进行区分，分别为JZ村、TYP村和KZ村。

3.1 权重计算

(1)AHP-GEM-GH法。本文邀请4位专家对各指标的相对重要性进行打分，并利用AHP-GEM-GH法计算指标的主观权重值(见表2)。由表2数据可知，专家1决策与理想专家决策差异最大，将之剔除。再将剩余三位专家特征向量xi作为其打分值，计算相应Z矩阵，并求出特征向量，将特征向量归一化处理后，即为所需AHP-GEM-GH法下的主观权重值：W0=(0.024，0.045，0.023，0.168，0.168，0.084，0.092，0.017，0.025，0.049，0.188，0.048，0.069)。

表2 AHP-GEM-GH法主观权重计算

(2)BP神经网络法。①网络各层神经单元数的确定。本文公众参与效果评价指标体系有13个指标，输入层神经单元数设为13，输出层神经单元数设为1，隐含层神经单元数由公式(3)进行反复试算，最终设为6。②利用MATLAB软件进行相关计算。BP神经网络的建立和训练参数的设置参考文献[8-10]，将C水库涉及的另外10个移民村的数据作为训练样本(数据来源于C水库征地移民监测评估报告)，进行神经网络的训练。经过反复试算，得到输入层到隐含层、隐含层到输出层的连接权值(见表3)。③利用绝对影响系数公式得到计算结果(见表4)，则BP神经网络法计算客观权重值：ω=(0.044，0.080，0.010，0.161，0.160，0.149，0.052，0.006，0.023，0.116，0.018，0.094，0.087)。

表3 BP神经网络各神经元权值系数

表4 BP神经网络法客观权重计算结果

(3)基于离差最大化的组合赋权法。将3个被评移民村yi(JZ村、TYP村、KZ村)的各指标标准化数据列出(初始数据来源于C水库征地移民监测评估报告)，主观权重为W0，客观权重为ω，根据基于离差最大化组合赋权法公式得到计算结果(见表5)。通过基于离差最大化的组合赋权法进行计算，最终得到水库移民安置公众参与效果评价各指标权重值：ξ0=(0.034，0.062，0.017，0.165，0.164，0.115，0.073，0.012，0.024，0.081，0.106，0.070，0.078)。

表5 基于离差最大化的组合赋权法计算结果

3.2 相对熵TOPSIS排序评价法

水库移民安置公众参与效果评价是一个综合评价体系，其涉及面广且内容较复杂。本文主要选取水库移民安置4个层面13个指标，对C水库涉及的3个移民村进行水库移民安置公众参与效果评价分析，利用相对熵TOPSIS排序法计算各移民村和理想移民村贴近度，根据贴近度大小对其进行排序，从而判断各移民村的移民参与效果优劣情况。具体步骤如下。

(1)构建加权标准化决策矩阵，确定正、负理想解(见表6)。

表6 正、负理想解计算结果

(2)利用相对熵计算公式，计算评价对象指标数据与正、负理想解的相对贴近度(见表7)。表7数据显示，3个移民村移民参与效果由好到差的排序：JZ村>KZ村>TYP村。

表7 评价对象与正、负理想解的相对贴近度

(3)结果分析。根据监测评估报告，JZ村移民参与效果较好的原因为以下几点：①JZ村作为3个移民村中唯一的集镇，人口分布较集中，信息流通较迅捷。另外JZ村存在赶集现象，利于JZ村移民与其他村移民进行沟通交流，进而获取更多信息；②为提高移民参与有效性，JZ村成立了移民代表小组，由代表性较强的小组成员参与工程实施的建设和监督工作中；③JZ村的移民利益诉求较为集中，移民机构通过统筹安排的形式将集中的诉求或问题进行有效解决；④JZ村作为集镇，移民对土地依赖性不大，安置前后移民均未有耕地面积。另外通过对安置区的规划建设，JZ村的基础设施条件得到进一步完善，移民整体生活品质得到进一步提高，移民满意度较高。与此对应，TYP村移民参与效果较差的原因为以下几点：①TYP村作为3个移民村中人口分布较分散的移民村，存在小部分移民户因家中只剩老人且居住较偏远，信息获取能力有限而无法有效获取信息的情况；②弱势群体占比相对较大，而弱势群体参与有效性较差，其利益诉求不能得到完全解决；③TYP村移民安置后的耕地面积较安置前有所减少，对于土地依赖性较强的孤寡老人家庭来说影响较大，存在部分移民户对生产安置不满意的情况。相对于其他两个移民村，KZ村移民整体参与效果处于居中位置。

综上所述，通过相对熵TOPSIS排序法计算得出的结果与实际情况基本吻合，证实了模型的可行性。

4 结 语

本文计算结果有助于移民机构科学掌握移民参与效果情况，为后续完善水库移民公众参与机制提供一定参考意义。目前，随着社会的不断进步和水库移民参与热情的日益高涨，公众参与在水库移民安置中的作用越加重要，而对于如何有效提高公众参与效果，笔者认为以下几点值得参考：①拓宽移民获取信息的渠道，保证移民具有一定认知水平；②科学建立移民代表小组，保证移民积极有效参与项目建设；③建立健全申诉管理机制，保证移民申诉渠道畅通；④充分征求移民意愿及合理安置移民，保证移民满意度处在较高水平。至于如何践行以上措施，发挥移民积极性和创造性，实现社会公共利益，仍需不断进行深入研究。