基于ANFIS网络模型的城市泵站优化控制

摘要

水是生命的源泉,是经济社会发展不可获缺的资源。城市河网地区水流缓慢、水体自净能力差,水质问题突出。另一方面,城市化的发展使得城市不透水面积增大,城市对暴雨洪水的敏感性增强。泵站是城市防洪排涝与水资源优化调度的主要设施,所以实现城市泵站的优化控制十分重要。自适应模糊神经网络综合了模糊系统与神经网络的优点,具有模糊性、自学习与自适应性。为提高城区河道配水的科学化水平,本研究开发了以自适应模糊神经网络(adaptive neuro fuzzy inference system,ANFIS)为核心的城市泵站优化控制模型。研究区域位于杭州市上塘河流域,七堡闸站是流域的出境控制站。为验证模型的有效性,加入倒传递神经网络(back propagation neural network,即BP)模型进行对比,评价指标选取平均绝对误差、均方误差、相关系数。对七堡泵站的控制预测结果表明(1)人工神经网络可实现对泵站的智能控制,当丁桥水位T(t)与泵站开机P(t)、P(t-1)三个变量作为输入变量时,BP模型的表现要优于ANFIS模型。(2)在模型的输入变量中加入丁桥的预报水位T(t+1)、T(t+2)时,各模型表现排序如下:ANFIS(5)>BP(5)>BP(3)>ANFIS(3)。(3)两条If-Then规则可高效地完成模型的推理计算,人工神经网络模型的可解释性得到增强。