本文關(guān)鍵詞：龍鳳山水庫(kù)優(yōu)化調(diào)度的群體智能算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：水庫(kù)調(diào)度,亦稱水庫(kù)控制運(yùn)用,指按來(lái)水蓄水實(shí)況和水文預(yù)報(bào),有計(jì)劃地對(duì)入庫(kù)徑流進(jìn)行蓄泄,以一定的客觀標(biāo)準(zhǔn)作為調(diào)度準(zhǔn)則,利用水庫(kù)本身具有的庫(kù)容調(diào)節(jié)能力,在時(shí)間和空間上使來(lái)水量被重新分配,進(jìn)而獲得最大的綜合效益。興利優(yōu)化調(diào)度是指為了獲取最大的綜合效益,使水量、水能及水質(zhì)等充分利用。本文基于水資源的可持續(xù)發(fā)展理論,以龍鳳山水庫(kù)為研究對(duì)象,在充分了解水庫(kù)調(diào)度現(xiàn)狀的前提下,為尋求水庫(kù)獲得最佳效益下的最大運(yùn)行規(guī)律,衡量水庫(kù)運(yùn)行方式是否達(dá)到最優(yōu)的標(biāo)準(zhǔn),根據(jù)多年來(lái)水庫(kù)天然來(lái)水和各部門用水情況,綜合水庫(kù)實(shí)際蓄水能力,將水庫(kù)入庫(kù)徑流描述為確定型,建立以水庫(kù)電站發(fā)電量最大為最優(yōu)準(zhǔn)則,利用智能優(yōu)化算法的理論方法和技術(shù),制定龍鳳山水庫(kù)調(diào)度控制方式,為龍鳳山水庫(kù)最大限度開發(fā)水資源提供參考依據(jù)。主要成果如下:(1)根據(jù)G-P算法和Takens理論,計(jì)算混沌空間序列相空間重構(gòu)所需的最小嵌入維數(shù),以此作為小波神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù),根據(jù)時(shí)頻分析確定小波神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù),最終確定了小波神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為12-24-1;(2)采用附加動(dòng)量項(xiàng)和擬牛頓法綜合利用的方法修正權(quán)值和參數(shù),以此改進(jìn)小波神經(jīng)網(wǎng)絡(luò),使得收斂速度加快,增加學(xué)習(xí)效率,避免了在多維輸入情況下,網(wǎng)絡(luò)收斂速度大大下降這一不足,運(yùn)用改進(jìn)方法處理模型,有效避免“維數(shù)災(zāi)”情況的出現(xiàn);(3)根據(jù)龍鳳山水庫(kù)1994-2013年20年入庫(kù)月徑流水量資料,利用訓(xùn)練好的改進(jìn)小波神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)2014年和2015年龍鳳山水庫(kù)入庫(kù)月徑流量,為水庫(kù)調(diào)度提供合理的數(shù)據(jù)。(4)利用遺傳算法、粒子群算法及人工魚群算法的改進(jìn)算法對(duì)龍鳳山水庫(kù)進(jìn)行優(yōu)化調(diào)度,把2014年和2015年入庫(kù)水量的分析及預(yù)測(cè)結(jié)果作為已知條件,在滿足水庫(kù)約束條件下,進(jìn)行興利調(diào)度,優(yōu)化結(jié)果可以為2014、2015年調(diào)度方案的制定提供可靠的參考依據(jù)。
【關(guān)鍵詞】：水庫(kù)調(diào)度 混沌理論 小波神經(jīng)網(wǎng)絡(luò) 智能算法
【學(xué)位授予單位】：東北農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TV697.11
【目錄】：

• 摘要8-9
• 英文摘要9-11
• 1 緒論11-18
• 1.1 研究背景及依據(jù)11
• 1.2 單一水庫(kù)調(diào)度研究意義及最優(yōu)準(zhǔn)則11-12
• 1.3 水庫(kù)優(yōu)化調(diào)度概況及國(guó)內(nèi)外研究動(dòng)態(tài)12-15
• 1.3.1 水庫(kù)調(diào)度常用的數(shù)學(xué)模型12-13
• 1.3.2 國(guó)內(nèi)外研究動(dòng)態(tài)和趨勢(shì)13-15
• 1.4 水庫(kù)調(diào)度存在的主要問(wèn)題及發(fā)展趨勢(shì)15
• 1.4.1 存在的主要問(wèn)題15
• 1.4.2 發(fā)展趨勢(shì)15
• 1.5 研究的主要內(nèi)容及技術(shù)路線15-18
• 1.5.1 研究的主要內(nèi)容15-17
• 1.5.2 研究的技術(shù)路線17-18
• 2 流域概況及水庫(kù)基本資料18-24
• 2.1 流域概況18-20
• 2.1.1 自然地理18
• 2.1.2 氣候18-19
• 2.1.3 水文特征19-20
• 2.2 水庫(kù)基本特性20-21
• 2.3 水庫(kù)特性曲線21-22
• 2.4 水庫(kù)蒸發(fā)滲漏損失22-23
• 2.5 本章小結(jié)23-24
• 3 龍鳳山水庫(kù)入庫(kù)徑流水量分析及預(yù)測(cè)24-41
• 3.1 混沌分析及重構(gòu)相空間基本理論和方法24-27
• 3.1.1 關(guān)聯(lián)維數(shù)24-25
• 3.1.2 相空間的基本理論25
• 3.1.3 時(shí)間延遲? 的求法—— C ?C方法25-26
• 3.1.4 Lyapunov指數(shù)的數(shù)值計(jì)算方法——Wolf方法26-27
• 3.2 小波神經(jīng)網(wǎng)絡(luò)理論和方法27-31
• 3.2.1 小波分析27-28
• 3.2.2 小波神經(jīng)網(wǎng)絡(luò)28-29
• 3.2.3 小波神經(jīng)網(wǎng)絡(luò)參數(shù)調(diào)整29-30
• 3.2.4 小波神經(jīng)網(wǎng)絡(luò)算法改進(jìn)30-31
• 3.3 小波神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)31-40
• 3.3.1 小波神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練步驟31-32
• 3.3.2 數(shù)據(jù)化標(biāo)準(zhǔn)處理32
• 3.3.3 實(shí)例分析應(yīng)用32-40
• 3.4 本章小結(jié)40-41
• 4 龍鳳山水庫(kù)優(yōu)化調(diào)度的群體智能算法研究41-61
• 4.1 目標(biāo)函數(shù)及約束條件41-42
• 4.1.1 目標(biāo)函數(shù)41
• 4.1.2 約束條件41-42
• 4.2 水庫(kù)優(yōu)化調(diào)度的遺傳算法研究42-45
• 4.2.1 遺傳算法基本原理及特點(diǎn)42-43
• 4.2.2 遺傳算法的運(yùn)行流程及基本運(yùn)算43-45
• 4.3 水庫(kù)優(yōu)化調(diào)度的粒子群算法研究45-47
• 4.3.1 粒子群算法45-46
• 4.3.2 改進(jìn)粒子群算法及算法實(shí)現(xiàn)步驟46-47
• 4.4 水庫(kù)優(yōu)化調(diào)度的人工魚群算法研究47-52
• 4.4.1 人工魚群算法47-50
• 4.4.2 改進(jìn)AFSA算法具體步驟50-52
• 4.5 龍鳳山水庫(kù)興利優(yōu)化調(diào)度的智能算法實(shí)現(xiàn)52-60
• 4.5.1 基于遺傳算法的龍鳳山水庫(kù)優(yōu)化調(diào)度研究52-53
• 4.5.2 基于改進(jìn)粒子群算法的龍鳳山水庫(kù)優(yōu)化調(diào)度應(yīng)用53-55
• 4.5.3 基于改進(jìn)人工魚群算法的龍鳳山水庫(kù)優(yōu)化調(diào)度應(yīng)用55-60
• 4.6 本章小結(jié)60-61
• 5 結(jié)論與討論61-63
• 5.1 研究結(jié)論61
• 5.2 研究不足及展望61-63
• 致謝63-64
• 參考文獻(xiàn)64-67
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文67

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 姚祥光;周永權(quán);李詠梅;;人工魚群與微粒群混合優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用研究;2010年06期

2 施熙燦,林翔岳,梁青福,姜啟源,張萬(wàn)琪,林元烈;考慮保證率約束的馬氏決策規(guī)劃在水電站水庫(kù)優(yōu)化調(diào)度中的應(yīng)用[J];水力發(fā)電學(xué)報(bào);1982年02期

  本文關(guān)鍵詞：龍鳳山水庫(kù)優(yōu)化調(diào)度的群體智能算法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：423074