高铁建设生态环保论文.docx

高铁建设生态环保论文1高铁建设生态环保目的规划与监测方法1.1生态环保目的规划体系构建在对高铁建设生态环保进行目的规划前，首先应对该区域生态环境的生态本底和退化程度进行分析，假如规划值未超过相应的阀值规范，将规划值作为目的值；假如超过，将阀值规范作为目的值。准确制定拟建工程环保目的，必须根据所获取历史数据的数量确定规划方法。1基于BP人工神经网络的优势度变化值、适时绿化率目的规划。BP(BackPropagation)神经网络，也称为误差反向传播算法，是在转移函数的基础上，通过对大量样本的训练，当预测值与实际值的误差在合理范围之内得出预测函数，进而进行预测7-9。一般情况下，施工期间容易获得较多的优势度变化值和适时绿化率数据。因而，能够采用BP神经网络进行目的规划。首先对大量高铁项目建设期间环保的有关数据进行整理，总结影响高铁环保目的规划的工程特征类目及量化值，如表1所示。然后，采用3层BP网络模型，选择Sigmoid函数为节点输出函数，模型的输入单元为8个，分别用I1I8表示；输出单元为2个，即优势度变化值和适时绿化率，分别用O1和O2表示。隐层单元为17个；初始权值为(-1，1)之间的随机数。最后，根据大量数据进行训练，当预测值与实际值的误差在设定范围内时，确定出预测函数，进行预测。2基于灰色时间序列和类比法的水土流失量目的规划。灰色时间序列模型对一系列具有一定时间间隔的数据进行分析计算，得出预测模型，进而对将来时间数据进行预测和对目的进行合理规划。一般情况下，收集的土壤侵蚀模数背景值的数据量较少，采用灰色系统的GM(1，1)预测模型10结合类比法对水土流失量进行目的规划。3基于德尔菲法的动植物保护度目的规划。德尔菲法又称专家评分法，是一种定性描绘定量化方法。一般情况下，在规划动植物保护度时，由于该指标遭到的人为因素影响大，数据收集困难，能够采用德尔菲法。综上所述，当有大量历史数据时，建立BP人工神经网络预测方法；当有少量数据时，采用灰色时间序列模型和类比法相结合；当无历史数据时，采用德尔菲法预测。1.2监测方法体系构建1生态目的进行规划后，应选用科学的监测方法对监测指标进行监测，验证目的规划的合理性。一般情况下，优势度变化值采用“3S(遥感技术(RemoteSensing，RS)，地理信息系统(GeographyInformationSystems，GIS)，全球定位系统(GlobalPositioningSystems，GPS)技术法和资料分析法获得；适时绿化率采用实地测量法和调查监测法获得；水土流失量采用桩钉法、侵蚀量法、调查监测法和资料分析法获得；动植物保护度采用抽样调查的地面观测法和资料分析法。2PDCA循环。PDCA循环，也称戴明环，即策划(Plan)施行(Do)检查(Check)落实(Action)，该原理意味着任何的工作或事情都要经过上述4个阶段的不停循环，在循环中不断解决问题，使分目的实现，最终使总目的得以实现11。对高铁建设的环保指标进行监测时，应根据各个指标的情况制定监测周期，将总目的根据相应的监测周期进行分解，在每个监测周期内根据PDCA循环进行监测，检验分目的能否实现。假如未完成分目的，则应找出出现问题的环节，并制定相应的改善措施，于下一次循环中加以解决。此外，还能够适当对分目的进行调整，保证总目的的实现。2研究案例以某高速铁路(下面简称G高铁)为期5个月(2014年3月31日8月31日)的目的规划与监测数据为例验证预测的准确性。监测期内，工程建设主要集中在CK64+500CK85+750，拟监测段为CK64+500CK72+750，无环境敏感区，占地类型主要为非农业用地、土石方利用率为35.27%。2.1基于BP人工神经网络的生态环保目的规划根据收集的已建高铁项目的历史数据，采用BP人工神经网络对优势度变化值、适时绿化率2个指标进行规划。由表1中特征量化指标可知，该工程的输入项I1至I8分别为6，3.5，3，2，4，3，2，3。将收集的样本基础数据(124)作为训练样本，后2个样本作为输出样本，训练1000次，基础数据及预测数据(序号25)如表2所示。误差分析结果如表3所示。从表3中可知，预测值与实际值误差5%，该模型能够知足预测的精度要求。应用该模型得出输出项O1和O2分别为3.814，87.60(见表2)，即优势度变化值为3.814%，适时绿化率为87.60%。2.2基于灰色时间序列和类比法的生态环保目的规划模型采用统计学的方法对上述重点监测区域进行抽样，选取极易发生水土流失的主体工程区的路基挖方边坡、取土场的挖方边坡、6#弃渣场的弃方边坡、施工便道的挖方边坡及施工营地的挖方边坡为此次水土流失的监测点。1基于灰色时间序列GM(1，1)的原地貌土壤侵蚀模数背景值预测。根据当地相关部门提供的资料，收集19831989年相关分区的原地貌土壤侵蚀模数，采用灰色时间序列对原地貌土壤侵蚀模数背景值预测，主体工程区、取土场、弃土(渣)场、施工营地、施工便道的预测值分别为329530，486570，548220，421920，520700t/(km2a)。2基于类比法的水土流失量目的规划。通过对拟建高铁所处的地域环境、气候、水文、土壤、降雨、原生态的地貌环境等进行综合考察及分析，选择与拟建铁路相近的已建铁路石长铁路为本工程水土流失预测的类比调查对象，其扰动后各分区土壤侵蚀模数分别为6000，20000，18000，15000，6500t/(km2a)，此时即得公式中的Mi2。由上述数据、公式和各分区面积计算工程建设可能造成新增水土流失总量为1094.244t。其中各分区施工期分别为2，1.5，1.5，3，3年；监测区面积分别为23.36hm2、3.89hm2、19.36hm2、18.34hm2、3.21hm2。2.3基于德尔菲法的环保目的规划模型在G高铁动植物保护度目的规划阶段，首先邀请15位专家预测监测期内施工路段动植物保护度，将专家的打分情况进行分析计算可知，动植物保护度均值E=1.4145，方差2=0.032503。收敛性检验参数C=0.46%0.50%。方差较小，讲明专家意见相比照较集中，分歧较小。2.4基于PDCA循环的水土流失量指标监测以高铁建设期间水土流失量的监测为例，对其施工中PDCA经过进行重点阐述，该工程5个月的监测周期为：主体工程区、弃土(渣)场、取土场占地面积广，均会毁坏原有的土石平衡，对原地外表积扰动大，对该区域的监测应自施工准备开场进行，每月进行1次；施工便道、施工营地所引起的水土流失主要处于便道修建阶段，而且受人为活动影响较大，因此在施工阶段初期要求每月监测1次，待修建完毕后，能够每季度监测1次；此外，若施工期间碰到暴雨，应在暴雨过后加测1次；碰到汛期，须在汛期前后各加测1次。2014年7月31日该施工地区有暴雨，因此在暴雨过后加测1次。水土流失量的PDCA循环目的值和相应的实际监测结果如表4所示。由表4可知，5次的PDCA循环中，因监测周期初期环保措施施行不够完善，第1、3次循环的分目的未到达；进一步完善环保措施后，水土流失量有了明显的减少。此外，因环保措施的完善，暴雨对水土流失量的影响很小。5次PDCA循环后，监测区域水土流失量的总目的得以实现。2.5其他生态指标监测结果分析在工程施工经过中不可避免对现有植被、耕地、农田等造成毁坏，对动物的生活区域造成影响，而这些方面的地貌恢复、动物繁衍缓慢。短期内优势度变化值、适时绿化率、动植物保护度等指标不会发生太大变化，而且工程的绿化恢复工作一般在工程后期才会获得明显效果。因而，这些指标的监测周期一般较长，能够设为1个季度1次。为此，监测人员对这些指标分别于监测初期和末期各监测1次，并将该5个月作为1个PDCA循环，已经针对这5个月采用相应的模型规划出其目的值。其他生态指标监测结果如表5所示。由表5可得，项目区其他生态监测指标根据PDCA循环原理，在循环经过中采取适当的环保措施，均能到达目的值。3结束语通过对高铁建设生态环保目的规划与监测方法研究，根据生态环保目的规划，构建了包括优势度变化率、适时绿化率、水土流失量和动植物保护度等生态环保监测指标体系；根据收集数据量，提出分别运用BP神经网络、灰色时间序列结合类比法、德尔菲法进行生态环保目的规划的方法。其次，基于传统监测方法结合PDCA循环原理和监测指标的不同情况，确定出相应的监测周期，提出监测方法和控制措施，进而保证总目的的实现。最后，通过对某高铁的实证分析，将预测结果与实际结果进行比拟，验证了预测结果的合理性。