水利工程移民安置补偿费预测方法研究

张 星，曹靖夫，刘 流

(贵州省水利水电勘测设计研究院，贵阳 550002)

0 引 言

水利工程建设在防洪、发电、灌溉、供水等多方面发挥巨大的经济效益和环境效益，为国民经济的快速发展提供了重要的支撑和保障[1]。与此同时，也引出了大量的移民安置问题，给社会经济发展带来沉重的负担。考虑到水利工程移民数量庞大，同时还涉及到工程建设、区域经济发展、生态环境以及社会重建等诸多方面，水利工程移民安置处理不好，可能发生破坏经济结构、人民生活困难、生态环境恶劣等严重后果。

目前，普遍的水利工程移民安置都是按照低标准补偿、简易搬迁等方式安置，存在“重工程、轻移民、重搬迁、轻安置”的指导思想，这种政策下极易引发社会矛盾和冲突[2]。为了避免此类现象的发生，水利工程移民安置政策的变化越来越偏向于移民安置补偿问题，导致现在的水利工程中移民安置补偿占工程总投资的比重越来越大。安置补偿费一般指的是主要依靠土地生产资源并以此保障正常生活，国家所给予的补偿费用。影响移民安置补偿费的因素有很多，合理预测补偿费有助于控制水利工程总体成本，避免不必要的成本浪费。

对于水利工程移民安置补偿费的预测，常用的传统预测方法是因素分析预测法和定额预测法，这两种方法在使用过程中存在拟合值过高的问题。为此，设计一种新的水利工程移民安置补偿费预测方法，确定移民安置补偿费预测指标，并以此为基础，测算土地年收益以及安置补助费，综合土地还原利用率完成补偿费的预测。

1 水利工程移民安置补偿费预测方法设计

1.1 确定移民安置补偿费预测指标

一般情况下，水利工程移民安置补偿费是按照征收土地数量乘以补偿补助标准确定的，土地补偿补助标准与各地政府有关规定相关[3]。相关条例规定移民安置应当坚持以农业生产安置为主的原则，根据生产安置人口，对安置区的社会经济状况、人均耕地占用量、生产条件和生产水平、人均基本人口、人均纯收入构成[4]。具体内容见表1。

表1 水利工程移民安置补偿目标标准

根据表1中的内容确定移民安置补偿标准，以此为依据，确定移民安置补偿费的指标为生活水平评价指标，具体指标有移民人均资源占有量、移民人均粮食拥有量和移民人均年收入[5]。其中人均粮食拥有量是为了保证移民安置后有基本口粮，保证移民安置后的基本生活需求；人均资源占有量主要指移民安置后人均土地数量，在保证移民拥有基本口粮的基础上，移民拥有土地数量应与安置区居民基本相当，人均资源占有量与土地年收益息息相关；而移民人均年收入需要根据农业收入与非农业收入来衡量，主要根据这一指标来测算安置补助费。

综上所述，水利工程移民安置补偿费的预测需要先测算移民土地年收益以及安置补助费，完成后综合土地还原利用率预测移民安置补偿费。

1.2 移民占有土地年收益测算

移民占有土地年收益指的是年总收益与总费用之差，根据收益还原法的理论依据，决定土地价值的主要因素是未来的因素而不是过去的因素，而常规的预测方法利用的过去资料来推断未来，这样的方法容易使预测出的土地年收益存在误差[6]。

依据土地估价原理，土地的收益与土地地上的作物结构和历年的产量及作物的市场价格相关，根据以上相关因素，经过合理整合后就是土地纯收益[7]。

土地年收益预测采用灰色系统GM(1.1)模型，将已知数据序列看作随时间变化的灰色过程，挖掘出潜藏的有序的指数规律，准确反映出待预测对象的整体发展趋势。假设土地年收益行为数据序列为H=(h(1),h(2),…,h(n))，若趋势变化函数f=2,3,…,n，h(f)-h(f-1)>0，则称H为单调递增序列；若h(f)-h(f-1)<0，称H为单调衰减序列；存在f，f′∈{2,3,…,n}有h(f)-h(f-1)>0，h(f′)-h(f′-1)<0，则称H为随机振荡序列，设W=max{h(f)f=1,2,…,n}，w=min{h(f)|f=1,2,…,n}，称R=W-w为序列H的振幅。使用GM(1.1)模型处理数据时，处理负数序列，使序列元素为正值[8]。处理后的序列经过累加生成后，减少随机性，使原始土地年收益行为数据序列H满足准光滑性检验和准指数规律检验：

(1)

式中：ξ为准光滑性系数；φ为准指数。

此时称数据序列H具有指数增长的规律，满足一阶线性微分方程：

(2)

式中：η为发展灰数，反映了数据序列H的发展趋势；α为内生控制灰数，反映数据之间的变化关系。

利用上述公式得到土地年收益的表达公式：

(3)

其中f=0,1,…,n-1，经过累减还原后，整理得到：

(4)

式中：f=2,3,…,n。

完成土地年收益测算后，计算安置补助费。安置补助费是一种临时性的补助费用，以水利工程征地补偿标准的合理性判断指标为依据，计算安置补助费。

1.3 移民安置补助费测算

在水利工程征地补偿中，合理性是非常重要的，主要体现合理的三方面分别是合理的移民安置政策、合理的界定征地补偿范围以及合理的价值标准，其中价值标准的合理性判断是水利工程征地补偿合理性目标实现的关键。

水利工程中被征用土地的群众在失去土地后面临的谋生手段和生活方式的改变以及生活成本的增加，仅仅根据曾经的生活水平来判断是不严谨的，预测其后续生活的消费成本才是关键[9]。其后续生活成本主要包括衣食住方面，满足移民因土地征用而造成的生活成本的增加，以移民的实际安置成本和家平均每人年消费支出作为其量化指标，才是合理的安置补助标准。

目前的居民生活水平根据土地拥有的不同两种居民，分别是以农业收入为主要收入途径的居民和非农业收入途径为主要收入途径的居民[10]。针对主要依靠农业来保证生活的居民，考虑其就业的困难性，以支付5年的生活消费成本计算，生活消费水平采用对应地区的城镇低收入户平均每人全年消费性支出数据。

假设居民人均纯收入为Si，居民生活消费支出为So，通过公式测算安置补助费，公式为：

M=5(Si-So)×0.92

(5)

完成安置助费的测算后，综合土地年收益，预测水利工程移民安置补偿费。

1.4 移民安置补偿费预测

已知移民占有土地年收益以及安置补助费的情况下，还需利用土地还原利用率来综合测算。土地还原利率需要通过安全利率加风险调整值法确定，根据土地估计规程的规定，风险调整值主要由灾害性天气、地区的社会发展水平等因素对土地的影响程度而确定。不同的地区土地还原利用率不同，与市场平均风险报酬率和无风险利率相关，在水利工程移民安置补偿费的预测中用g={g1,g2,…gn}表示土地还原利用率。通过以下公式测算移民安置补偿费，公式如下：

(6)

式中：p为移民家庭总人口；R为安置补偿费。

将安置补偿费作为新的数据序列，再一次利用GM(1.1)模型预测最近的一个数据R(n+1)，将其作为新信息加入到原始数据序列中，替换掉原始序列R(1)，形成新的序列，修正模型参数，检验精度，直到完成预测为止。

为了确保预测值的真实性，采用平均相对误差和均方差两种方法检验。

平均相对误差检验如下：

(7)

均方差比值检验如下：

(8)

两种检验方法检验标准见表2。

表2 平均相对误差法与均方差比值法检验标准

经过两种检验方法验证，保证了预测的真实性，至此水利工程移民安置补偿费预测完成。

2 水利工程移民安置补偿费预测方法仿真测试

2.1 测试数据模拟

通过计算机模拟移民安置补偿费预测方法测试数据，数据包括移民人均纯收入、移民人均支出费用、人均占有土地面积、单位耕地面积纯收益以及土地片区价。模拟的详细数据见表3。

表3 测试数据模拟

以上数据就是通过计算机模拟出来的5组测试数据，用于后续的预测方法精度测试以及不同的预测方法拟合值对比测试。

2.2 预测方法精度测试

在测试水利工程移民安置补偿费预测方法之前，首先测试该预测方法的精度，利用表3中的测试数据，使用均方误差比值法和平均相对误差法检验移民安置补偿费预测方法的精度。

经过5次测试后，测试结果见图1-图2。

图1 平均相对误差检验结果

图2 均方差比值检验结果

图1中显示平均相对误差始终在0.01以下，图2中显示均方差比值始终在0.1以下，将结果与表2中的检验标准对比，证明该预测方法精度较高，符合后续测试要求。

2.3 不同预测方法拟合值对比测试

在预测方法中，拟合值是数据逼近重要部分与其之间的共同点，通过调整已知函数中若干待定系数，使得该函数与已知数据序列的差别最小。拟合值越小，说明预测方法越好，预测结果与实际结果越相近，具有较强的说服力；拟合值越大，预测出的结果与实际结果相差较大，预测方法较差。

将测试数据输入至Matlab软件中，通过该软件将不同预测方法的拟合值表达出来。将采用因素分析预测法测试的结果作为第一组，定额预测法测试的结果作为第二组，使用设计的预测方法测试结果作为第三组，利用Matlab软件获得结果并对比分析。测试结果见图3。

图3 不同预测方法拟合值测试结果

图3中，曲线a表示第一组因素分析预测法测试结果，其拟合值在7次测试中主要在700～1 100之间波动，在第7次测试时达到最高；曲线b为第二组定额预测法测试结果，整体波动在400～100之间波动，在第4次测试时达到最高，在第6次测试时达到最低，极不稳定；曲线c表示的是提出的预测方法拟合值测试结果，其波动范围在200～500之间，比较稳定。三者相比，提出的预测方法测试的拟合值低于前两者，波动幅度不大，证明了提出的水利工程移民安置补偿费预测方法优于传统的定额预测法和因素分析预测法。

3 结 语

随着社会经济的发展，水利工程移民安置问题越来越受到土地资源、水资源以及社会环境的制约，严重影响水利工程总投资成本，合理的安置移民并补偿，才能更好控制水利工程成本。研究水利工程移民安置补偿费预测方法，有助于控制水利工程投资成本，避免成本浪费。针对传统的预测方法中存在的拟合值过高的问题，提出的预测方法有效避免此类问题的发生，经过多次仿真测试，证明了该预测方法更适合长期发展和推广。