中长期水文预报与水库群优化调度方法及其系统集成研究

摘要

随着计算机技术的迅速发展和预测优化理论的深入研究，水利科学工作者几乎尝试应用了各种算法来解决水文预报和水库群的优化调度问题，并且取得了丰富的研究成果和一定的实践效果。但由于在水文中长期预报方面缺乏机理上的认知突破，在水库群优化调度方面一些新方法仍存在理论与应用上的问题，所以尚有大量的基础工作、理论研究、模型与方法改进等课题需要进一步的研究和解决。本文主要是进行模型与方法的改进工作，深入研究了模糊优选神经网络、支持向量机、小波分频预测和微粒群算法在水文预报和水库调度中的建模及其系统集成方法，主要内容如下： (1) 针对传统模糊优选神经网络模型训练速度慢的缺点，模糊优选神经网络训练时采用 Levenberg-Marquardt 算法，其收敛速度近似二阶。Levenberg-Marquardt 算法是Gauss-Newton 法的改进形式，既有 Gauss-Newton 法的局部特性，又具有梯度法的全局特性，提供了Newton法的速度和保证收敛的梯度下降法之间的折衷，收敛的迭代次数少，能快速完成网络训练。两个实例分析结果表明，Levenberg-Marquardt算法训练速度快，并且训练得到的模糊优选神经网络模型的模拟预测结果都比较满意。 (2)利用微粒群算法的全局寻优特性来进行支持向量机的参数识别。在支持向量机建模过程中选择径向基函数为核函数，在此基础上应用微粒群算法用于辨识支持向量机参数。在微粒群搜索参数前，对参数做了指数变换，使[0,1]区间和[1，∞]区间有着相同的搜索概率。微粒群算法的适应值函数以支持向量机模型的推广能力为标准，讨论了测试样本的最小误差和留一法对支持向量机学习方法推广能力的两种估计。支持向量机训练算法采用序列极小化训练算法，为了提高支持向量机模型的训练速度，训练工作集的选择利用了目标函数的二阶导数信息，使工作集中的两个乘子在当前训练迭代步中具有最大的改变量。最后以长江的宜昌站、寸滩站和漫湾水库的月径流资料为例，分别采用 ARMA 模型、季节性 ARIMA 模型、BP神经网络模型以及所建立的支持向量机模型进行模拟预测，实例结果显示了该模型有效性。 (3) 利用小波分析的多分辨率功能，建立了月径流序列的小波分频预测模型。该模型通过小波分解方法将月径流非平稳时间序列分解为多个细节信号序列和一个逼近信号序列，然后运用平稳时间序列的ARMA模型对各信号序列分别进行预测。以长江的宜昌站和寸滩站的月径流资料为例，分别采用ARMA模型、季节性ARIMA模型、BP 神经网络模型以及本文所建立的小波分频预测模型进行模拟预测，并讨论了小波分解尺度数对小波分频预测模型的影响。最后还讨论了小波分频预测模型的实用性、缺陷和小波拓延方式对预测精度的影响。 (4)对基本微粒群算法进行了改进，以进一步提高基本微粒群算法的优化性能，并将其用于求解梯级水库群优化调度问题。该算法为了提高搜索效率引进了类似遗传算法的交叉和变异算子，其中交叉是微粒在解空间中的位置以一定的概率随机进行算术交叉，变异是微粒以一定的概率随机使速度矢量的某一维分量变为0。为了加速收敛，初始微粒群生成时采用了有条件的随机自动生成方式，并利用惩罚函数法来处理边界条件和其它非等式约束。以丰满-白山梯级为计算实例，计算结果与常规动态规划法和常规微粒群算法相比，表明改进算法计算速度更快，优化调度结果比较满意。最后还研究了改进微粒群算法参数(交叉概率、变异概率、微粒个数和微粒最大速度等)的取值范围。 (5)首先根据历史月径流资料，以“支持向量机方法”估计出当年各月的来水量；然后根据历史年径流资料，采用加权马尔可夫链预估当年总的来水情况；最后根据总的来水情况来修正当年主汛期各月来水。这样，各月预报来水获得后，再采用“改进微粒群算法”进行水库群的优化调度计算。同时以白山—丰满梯级水电站水库群为例，提出了径流预测与优化调度相结合的确定水电站最优运行方式的滚动预测决策方法。探讨了实际、预报、上限、下限和插值5种不同径流描述情况下水库的发电效益，计算结果表明本文提出的滚动预测决策方法在白山—丰满梯级水电站水库群是可行的。 (6)首先以图论分析方法，把水库群概化成一张有向图，运用邻接表、邻接矩阵和关联矩阵进行拓扑分析解决了水库群的集成问题。并以图论为基础，利用方案关联表进行方案的拓扑分析，降低了方案管理的复杂性，便于用户使用与管理。然后研究了软件工程中的多种设计模式在水库预报调度系统中的应用，并将上述预报优化调度模型融入其中。应用桥梁模式实现水库预报调度系统的体系结构设计与数据存取、应用策略模式实现预报优化调度模型管理、应用迭代子模式和装饰模式实现预报调度方案管理、应用代理模式实现用户权限管理、应用单例模式实现数据库连接池的管理等。实现了模块的松耦合关系，增加了系统的可维护性和复用性。该系统采用Web浏览器和Java窗口两种显示界面，运行时可根据环境自动选择不同的通信方式与系统业务逻辑功能模块进行交互。 最后对全文做了总结，并对有待于进一步研究的问题进行了展望。

目录

文摘

英文文摘

声明

1绪论

1.1选题背景和研究意义

1.2中长期水文预报的研究现状

1.3水库群优化调度研究现状

1.4水文预报与水库群优化调度的发展趋势

1.5本文主要研究内容

2基于Levenberg-Marquardt算法的模糊优选神经网络模型

2.1引言

2.2模糊优选神经网络BP模型

2.3基于L-M算法的模糊优选神经网络模型

2.3.1 L-M算法

2.3.2 L-M算法的计算步骤

2.3.3基于L-M算法的模糊优选神经网络模型

2.4实例应用

2.4.1实际数据

2.4.2黄河凌汛预测分析

2.5小结

3基于PSO参数辨识SVM的径流预测研究

3.1引言

3.2支持向量机原理

3.3微粒群算法原理

3.4基于微粒群的支持向量机参数识别

3.5实际应用

3.5.1参数范围确定

3.5.2实例一

3.5.3实例二

3.5.4实例三

3.6小结

4小波分析在径流预测中的应用研究

4.1引言

4.2小波变换算法

4.3 ARMA模型辨识

4.3.1 ARMA模型的定义

4.3.2 ARMA模型估计步骤

4.4小波-ARMA分频预测模型

4.5实际应用

4.6小波分频预测模型的实用性研究

4.7小结

5基于改进PSO的梯级水库群优化调度

5.1引言

5.2梯级水库群优化调度的数学模型

5.3改进微粒群算法

5.3.1算法的改进

5.3.2计算步骤

5.4初始微粒群和可行域的生成

5.5实际应用

5.6小结

6基于径流预测的水电站优化调度决策方法研究

6.1引言

6.2基于径流预测的水电站优化调度决策

6.3加权马尔可夫链年径流量预测

6.3.1加权马尔可夫链预测的思想

6.3.2加权马尔可夫链预测的方法步骤

6.3.3年径流量预测

6.4基于径流预测(修正后)的水电站优化调度决策

6.5小结

7基于图论与设计模式的水库预报调度系统集成设计研究

7.1引言

7.2系统总体设计

7.3基于图论的水库预报调度系统拓扑关系分析

7.3.1水库预报调度系统的数学模型

7.3.2图的类型

7.3.3图的表示

7.3.4图的正确性检验

7.3.5水库群预报常规调度计算

7.3.6水库群预报常规调度方案管理

7.3.7水库群预报优化调度计算与方案管理

7.4水库预报调度系统的设计模式研究

7.4.1设计模式

7.4.2水库预报调度系统的设计模式研究

7.5小结

8总结与展望

8.1全文总结

8.2展望

参考文献

创新点摘要

攻读博士学位期间参加课题和发表论文情况

附录

致 谢