基于综合集成的黄河中下游水库群智能调度决策系统

摘要

基于综合集成的黄河中下游水库群智能调度决策系统旨在以多年的防洪调度经验和开发的计算机软件为基础，利用专家系统、模糊决策、神经网络及综合集成等人工智能最新研究成果，研究开发三门峡水库和小浪底水库水沙联合智能调度系统，通过启动调度模型生成相应的水沙联合调度方案，并提供信息查询、方案优劣对比等辅助环境，为水库调度决策提供多方位的支持。 系统采用遗传算法来求解三门峡水库和小浪底水库水沙联合调度是多目标优化问题，提出了一种新的确定各目标函数权值的模糊方法。系统定义了新的交叉操作和突变操作，以保证调度结果满足期望的约束；同时为了防止解过早收敛，保证得到满足约束条件的最优解，系统采用基于浓度的群体更新技术来保持个体多样性。 系统在充分利用三门峡水库和小浪底水库防洪运用的基本原则、历年调度方案、专家的经验、历年数据和现有的调水调沙数学模型的基础上，首次建立三门峡、小浪底水库水沙联合调度的专家系统模型，并采用一种新颖的加权推理机制，使调度结果既符合一般情况下水库的调度规律又能反映一些特例。 系统以三门峡、小浪底水库来水来沙数据作为样本，对三层神经网络进行训练学习，首次建立三门峡、小浪底水库调度的神经网络模型。为了克服BP算法局部最优的缺陷，系统采用了BP算法与遗传算法相结合的方法；为了提高调度模型的准确性和神经网络的泛化能力，采用Boosting方法，进行网络集成。 系统用80～96年26场入库流量大于1500立方米/秒的中常洪水作为学习样本，建立用于场次洪水的神经网络水沙联合调度模型和专家系统水沙联合调度模型；用80～96年日平均数据作学习样本，建立用于日常调度的神经网络水沙联合调度模型和专家系统水沙联合调度模型；用这些模型对97～2002年7场洪水进行调度测试实验，结果表明，文中提出的方法能为黄河防洪工作提供智能化的决策支持.

目录

文摘

英文文摘

第一章概述

1.1研究目标和意义

1.2三小水库基本情况

1.2.1三门峡水库基本情况

1.2.2小浪底水库

1.3三小水库运用方式

1.3.1三门峡水库

1.3.2小浪底水库

1.4研究内容及技术路线

1.5系统特点

第二章基于遗传算法的最优水沙联合调度模型

2.1遗传算法

2.2水沙联合调度优化调度目标函数

2.3水库水沙联合调度目标的权重选择

2.4基于遗传算法的水库优化调度

2.4.遗传算法的改进

2.42基于遗传算法的水库优化调度

第三章专家系统水沙联合调度模型

3.1专家系统概述

3.2水沙联合调度专家系统知识库

3.3水沙联合调度专家系统推理机及其设计

第四章神经网络调度模型

4.1神经网络

4.2网络的学习算法

4.3 Boosting神经网络

4.4神经网络调度模型

第五章三门峡和小浪底水库水沙联合智能调度系统设计

5.1三、小水库水沙联合智能调度系统概述

5.2场次洪水选择与修正

5.3系统功能

5.3.1方案生成功能

5.3.2方案分析功能

5.3.3信息查询功能

5.3.4数据处理功能

6.3.4数据文件的管理与应用

5.4系统结构

5.4.1水库调度系统构成

5.4.2系统数据流程

5.5系统用户界面

5.5.1用户界面与系统功能之间的关系

5.5.2用户界面层次及特点

5.5.3用户界面介绍

第六章系统测试与验证

6.1系统测试

6.2系统验证

6.3存在的问题

第七章结束语

致谢

从事博士后其间发表论文

vehicle Shapes recovery and Recognition Using Generic Model and Boosing k-NN Classifiers

Models of Reservoir Regulation Based on RBF Neural Networks

OBJECT TRACKING USINC COLOR-BASED KALMAN PARTICLE FILTERS

基于Boosting RBF神经网络的滚动轴承故障诊断