發(fā)布時(shí)間：2020-08-09 10:33

【摘要】：隨著城市規(guī)模的不斷擴(kuò)大和居民生活水平的不斷提高,城市用水量的需求不斷增大,供水管網(wǎng)持續(xù)穩(wěn)定安全運(yùn)行成為保證社會(huì)生產(chǎn)和市民生活的必要前提。同時(shí),環(huán)境污染嚴(yán)重、能源與水資源日益短缺的現(xiàn)狀,在降低能耗、減少漏損方面對(duì)城市給水管網(wǎng)的運(yùn)行管理提出了更高的要求。需水量預(yù)測(cè)研究是保證供水管網(wǎng)優(yōu)化運(yùn)行的重要環(huán)節(jié)和基本前提,其預(yù)測(cè)精度將直接影響供水優(yōu)化調(diào)度的有效性和可靠性。針對(duì)城市需水量影響因素眾多、非線性高、模糊性強(qiáng)、隨機(jī)性大的特點(diǎn),本文提出了基于尖峰自組織模糊神經(jīng)網(wǎng)絡(luò)(spiking self-organizing fuzzy neural network,SSOFNN)的預(yù)測(cè)模型,實(shí)現(xiàn)短期需水量預(yù)測(cè)。本論文主要研究工作包括以下幾點(diǎn):1.為了取得更準(zhǔn)確有效的需水量預(yù)測(cè)結(jié)果,在神經(jīng)網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)的參數(shù)訓(xùn)練方面,本文采用改進(jìn)LM算法(improved Levenberg-Marquadt,ILM)作為模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法。二階LM(Levenberg-Marquadt)算法解決了一階算法容易陷入局部最小和隨機(jī)算法收斂速度慢的問(wèn)題,但在大數(shù)據(jù)樣本應(yīng)用時(shí)依然存在計(jì)算負(fù)擔(dān)重、存儲(chǔ)空間大的問(wèn)題。ILM算法則通過(guò)優(yōu)化計(jì)算流程,以計(jì)算梯度向量和擬海森矩陣的方式代替Jacobian矩陣的乘法計(jì)算,通過(guò)對(duì)比實(shí)驗(yàn)證明,ILM算法能夠提高神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效率,節(jié)約計(jì)算存儲(chǔ)空間。2.針對(duì)固定結(jié)構(gòu)的模糊神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元個(gè)數(shù)難以確定,以及網(wǎng)絡(luò)結(jié)構(gòu)無(wú)法根據(jù)數(shù)據(jù)規(guī)模在線調(diào)整的問(wèn)題,本文設(shè)計(jì)出一種尖峰自組織模糊神經(jīng)網(wǎng)絡(luò)模型。采用基于大腦皮層信息傳遞模式和Spiking神經(jīng)元積累觸發(fā)(Integrate-andFire,IF)模型提出的尖峰機(jī)制,完成模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)增長(zhǎng)和修剪,實(shí)現(xiàn)訓(xùn)練過(guò)程中的網(wǎng)絡(luò)結(jié)構(gòu)動(dòng)態(tài)調(diào)整,提高了模糊神經(jīng)網(wǎng)絡(luò)在需水量預(yù)測(cè)應(yīng)用中的性能。3.建立了基于尖峰自組織模糊神經(jīng)網(wǎng)絡(luò)的短期需水量預(yù)測(cè)模型。通過(guò)主成分分析(principal component analysis,PCA)對(duì)多個(gè)短期需水量影響因素進(jìn)行降維處理,獲取線性無(wú)關(guān)的主成分變量作為預(yù)測(cè)模型的輸入數(shù)據(jù)。城市需水量的影響因素復(fù)雜多變,相互耦合,選取合適的輔助變量是獲得準(zhǔn)確合理的預(yù)測(cè)結(jié)果的重要前提。文中通過(guò)主成分分析處理11個(gè)初步確定的氣象、日類型等影響因子,以獲取包含原始數(shù)據(jù)絕大部分信息的主成分變量,進(jìn)行短期需水量預(yù)測(cè)。在此基礎(chǔ)上,通過(guò)ILM算法進(jìn)行模糊神經(jīng)網(wǎng)絡(luò)參數(shù)訓(xùn)練,通過(guò)尖峰機(jī)制調(diào)整網(wǎng)絡(luò)結(jié)構(gòu),建立基于SSOFNN的短期需水量預(yù)測(cè)模型,以北京某高校的日用水量數(shù)據(jù)作為實(shí)例設(shè)計(jì)仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,該預(yù)測(cè)模型預(yù)測(cè)精度較高,收斂速度較快。4.設(shè)計(jì)開(kāi)發(fā)了一款給水管網(wǎng)智能監(jiān)管平臺(tái),包括用水實(shí)時(shí)監(jiān)測(cè)模塊、用水統(tǒng)計(jì)分析模塊以及需水量預(yù)測(cè)模塊。該平臺(tái)包括前后端兩個(gè)子系統(tǒng),前端采用Vue.js和Elements UI組件庫(kù)實(shí)現(xiàn)用戶界面設(shè)計(jì)及數(shù)據(jù)展示,后端采用Spring、Mybatis等主流框架實(shí)現(xiàn)數(shù)據(jù)傳輸及邏輯處理,嵌入本文提出的SSOFNN需水量預(yù)測(cè)模型,實(shí)現(xiàn)給水管網(wǎng)的智能監(jiān)管。
【學(xué)位授予單位】：北京工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TV213.4;TP183
【圖文】：

輸入層 RBF層 規(guī)則化層 輸出層圖 2-1 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2-1 The structure of fuzzy neural network。該層有k 個(gè)神經(jīng)元，每個(gè)神經(jīng)元的輸, 1,2, , i ix u i k。采用高斯函數(shù)計(jì)算各神經(jīng)元的隸屬度糊化處理。每個(gè) RBF 神經(jīng)元代表模糊規(guī)量相同。第 j 個(gè)神經(jīng)元的輸出j 為： 2 22 212 21, 1, 2, ,ki ij i ijij iijx c x ckjie e j P 該層第 j個(gè)神經(jīng)元中屬于第i個(gè)隸屬函數(shù)層。該層和 RBF 層一樣有P 個(gè)神經(jīng)元，

GND1GND2圖 3-1 IF 模型等效電路圖Fig.3-1 The equivalent circuit diagram of IF model組織模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)調(diào)整算法型中神經(jīng)元膜電位隨時(shí)間變化的特點(diǎn)，神經(jīng)網(wǎng)絡(luò)隱為 lnln 1sinjjtkss ke j 個(gè)神經(jīng)元的輸出值， 為小的正值常量，k 、k 和層神經(jīng)元的尖峰強(qiáng)度與輸出值 0 1 j 變化曲線

系統(tǒng)首頁(yè)Fig.5-3Thehomepageofthewebsite

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周艷春;李樹(shù)平;趙子威;沈繼龍;文碧嵐;;基于BP神經(jīng)網(wǎng)絡(luò)工具箱的城市短期用水量預(yù)測(cè)[J];給水排水;2015年S1期

2 張偉;喬俊飛;李凡軍;;溶解氧濃度的直接自適應(yīng)動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)控制方法[J];控制理論與應(yīng)用;2015年01期

3 宋志杰;王健;;模糊聚類和LM算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J];高壓電器;2013年05期

4 孫月峰;閆雅飛;張表志;劉少博;;基于T-S模型的模糊神經(jīng)網(wǎng)絡(luò)城市需水量預(yù)測(cè)方法研究[J];安全與環(huán)境學(xué)報(bào);2013年02期

5 錢光興;崔東文;;RBF與GRNN神經(jīng)網(wǎng)絡(luò)模型在城市需水預(yù)測(cè)中的應(yīng)用[J];水資源與水工程學(xué)報(bào);2012年05期

6 萬(wàn)金保;曾海燕;朱邦輝;;主成分分析法在樂(lè)安河水質(zhì)評(píng)價(jià)中的應(yīng)用[J];中國(guó)給水排水;2009年16期

7 王海鋒;賀驥;龐靖鵬;張旺;;需水預(yù)測(cè)方法及存在問(wèn)題研究[J];水利發(fā)展研究;2009年03期

8 章征寶;陳朝東;張一剛;;人工神經(jīng)網(wǎng)絡(luò)在城市用水量預(yù)測(cè)中的應(yīng)用進(jìn)展[J];給水排水;2007年S1期

9 黃豪彩,黃宜堅(jiān),楊冠魯;基于LM算法的神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識(shí)[J];組合機(jī)床與自動(dòng)化加工技術(shù);2003年02期

10 李杰星,章云,符曦;基于模糊神經(jīng)網(wǎng)絡(luò)的城市供水系統(tǒng)負(fù)荷預(yù)測(cè)[J];給水排水;1999年03期

本文編號(hào)：2786995