收藏本站
《大连理工大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

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

彭勇  
【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。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 贾伟广;胡丹;车畅;;基于小波分析和支持向量机的刀具故障诊断[J];组合机床与自动化加工技术;2010年12期
2 于海树;付兴武;;电机故障检测支持向量机的优化[J];控制工程;2007年S1期
3 宋星原;张国栋;;基于WA-SVM组合模型的流域月降雨量预测研究[J];长江科学院院报;2007年05期
4 陈特放;钟燕科;;基于小波分析和SVM的主变流器故障诊断[J];微计算机信息;2009年13期
5 崔艳;程跃华;;小波支持向量机在交通流量预测中的应用[J];计算机仿真;2011年07期
6 赵洪波;;基于微粒群优化的智能位移反分析研究[J];岩土工程学报;2006年11期
7 梁栋;白晨光;温良英;王凤;吕学伟;张生富;;高炉透气性指数智能预测模型[J];重庆大学学报;2009年04期
8 高彩亮;廖志伟;岳苓;黄少先;;基于小波奇异值和支持向量机的高压线路故障诊断[J];电力系统保护与控制;2010年06期
9 于湘涛;张兰;陈格非;周峰;许中生;;基于微粒群算法优化支持向量机的加速度计静态模型辨识[J];中国惯性技术学报;2010年03期
10 叶碎高;彭勇;周惠成;;基于PSO参数辨识SVM的中长期径流预测研究[J];大连理工大学学报;2011年01期
11 陈特放;钟燕科;;基于小波分析和SVM的主变流器故障诊断[J];机车电传动;2009年01期
12 陈思兵;汤宇红;童万军;;基于小波和球结构支持向量机的航空发动机故障诊断[J];航空科学技术;2008年05期
13 赵洪波;茹忠亮;;基坑支护设计优化研究[J];岩土工程学报;2006年S1期
14 黄伟;王衍学;徐荣峰;谢红梅;;基于小波分析-支持向量机的风机故障预测[J];金属矿山;2006年04期
15 张绍明;陈鹰;林怡;;小波支持向量机在SAR图像降噪中的应用[J];计算机工程与应用;2008年03期
16 胡丹;肖建;车畅;;尺度核支持向量机及在动态系统辨识中的应用[J];西南交通大学学报;2006年04期
17 钟燕科;;改进的SVM用于主变流器故障诊断[J];机车电传动;2010年02期
18 徐遥远;谭超;董峰;;水平管道气液两相流的特征提取与流型识别[J];仪器仪表用户;2006年06期
19 丁海勇;卞正富;;基于SVM算法和纹理特征提取的遥感图像分类[J];计算机工程与设计;2008年08期
20 汤成友;刘晔;;基于小波分析的最近邻抽样回归预报模型研究[J];人民长江;2011年06期
中国重要会议论文全文数据库 前10条
1 曲文龙;吴春尧;杨炳儒;张海军;;基于小波和支持向量机的多尺度时间序列预测[A];2005中国控制与决策学术年会论文集(下)[C];2005年
2 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
3 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
4 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
5 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
6 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
7 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
8 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
9 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
10 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
中国重要报纸全文数据库 前10条
1 邓宗琦;图论开拓者[N];光明日报;2003年
2 本报通讯员 阳雄 周振彦;李建平:我要让世界颤动一下[N];科技日报;2002年
3 钟明善;《秦汉瓦当图论》序[N];陕西日报;2002年
4 本报记者  李珂 通讯员  林文泰;图论“范定理”[N];福建日报;2006年
5 本报记者 李珂;数学图论高手的眷恋[N];福建日报;2008年
6 阳雄;李建平:前沿课题敢“弄斧”[N];解放军报;2002年
7 本报记者;福大一项目获2005年国家自然科学奖二等奖[N];福建科技报;2006年
8 本报记者 姚志峰;贵州卫视《论道》打造高端对话平台[N];中华新闻报;2008年
9 杭贸;弹性物流[N];国际商报;2000年
10 王树连;明代战备图[N];中国测绘报;2004年
中国博士学位论文全文数据库 前10条
1 彭勇;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[D];大连理工大学;2007年
2 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
3 佟伟民;股指期货交易中操纵行为识别方法研究[D];哈尔滨工业大学;2008年
4 梁力文;基于支持向量机的小波滤噪短波近红外光谱在药品定量分析中的研究[D];吉林大学;2009年
5 薛明志;进化计算与小波分析若干问题研究[D];西安电子科技大学;2004年
6 任宝生;碎屑岩储层建模方法研究[D];西南石油学院;2005年
7 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
8 陈柳;小波分析和神经网络应用于大气污染预测的研究[D];西安建筑科技大学;2006年
9 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
10 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
中国硕士学位论文全文数据库 前10条
1 丁澍恺;小波分析[D];上海海事大学;2007年
2 吴芳;基于支持向量机和小波分析的地震预测研究[D];长安大学;2009年
3 于芙蓉;基于支持向量机的烟气轮机故障诊断研究[D];北京化工大学;2009年
4 程晓盛;基于Agent和支持向量机的远程智能诊断技术研究[D];燕山大学;2006年
5 叶淳铮;基于小波变换与支持向量机的电力系统短期负荷预测[D];华北电力大学(河北);2009年
6 钟燕科;基于SVM的机车主变流器故障诊断[D];中南大学;2009年
7 魏宇良;基于小波分析和支持向量机理论的脉像信号处理方法研究[D];华南理工大学;2010年
8 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
9 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
10 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978