学位论文 > 优秀研究生学位论文题录展示

供水库群优化调度的计算智能方法及应用研究

作　者: 王德智
导　师: 董增川
学　校: 河海大学
专　业: 水文学及水资源
关键词: 计算智能库群优化调度相空间重构中长期预报多目标进化算法模糊集
分类号: TV697.14
类　型: 博士论文
年　份: 2007年
下　载: 509次
引　用: 1次
阅　读: 论文下载

内容摘要

供水库群优化调度在水资源开发、利用和管理中占据着十分重要的地位。已有的一些优化方法在解决库群优化调度问题的适用性和有效性上有所不足，因此需要进一步研究如何增强算法的适用性和有效性。本文以深圳市宝安区复杂供水库群水资源系统的优化调度为实例，结合计算智能在复杂水资源系统研究中的一些热点和难点，针对供水库群系统中的径流预测和优化调度问题，总体上进行了以下几方面的探索和研究。首先，基于相空间重构理论对供水库群的月径流预测问题进行了研究。在初步分析径流资料一致性的基础上，运用BDS统计法对库群径流序列的非线性进行检验。在重构相空间的基础上计算最大李雅普洛夫指数，表明库群径流序列中存在着混沌特性。结合BP神经网络和遗传算法建立了一维、多维局部和全局模型，并进行了相应的分析和比较。其次，针对供水库群的优化问题设计了基于大系统聚合分解的混合智能算法。融合了遗传算法和蚁群算法，综合随机性搜索和确定性搜索，设计了基于种群进化的混合智能算法。基于模拟退火法构造罚因子，为有效地解决带有约束的优化问题设计了一个较为通用的框架，并将该算法与原算法进行了数值试验对比及相应的实证分析。同时，对于众多供水片区，采用模糊综合评价模型赋以不同权重将其合并为一个供水片区，从而对系统进行降维。与之对应，设计了相应的供水片区的分解算法。考虑到水库的调蓄特性，提出了水库群联合调度可行区间的概念及相应的求解算法。第三，运用进化算法对库群多目标优化调度算法之一的非劣解生成法及相应的模糊评价技术进行了研究。在较为系统的归纳并研究了基于种群技术的多目标进化算法理论及关键技术的基础上，设计了基于Pareto强度的多目标进化算法并对其进行了实证分析。在非劣解集生成的基础上，基于近似理想点法，建立了单人和多人非劣解集模糊评价模型，可以更好地描述决策过程中决策者的主观不确定性。最后，应用模糊集来描述水库入流的不确定性和目标函数的模糊性。根据模糊决策、模糊极值和模糊线性规划基本原理对供水库群建立了相应的模糊规划模型。并利用入流可靠度和目标实现满意度来评价优化调度方案，将供水库群的随机优化调度模型转化为模糊规划模型，从而达到既可以体现水库入流的不确定性，又可以简化问题的目的。

全文目录

前言  5-7
摘要  7-8
Abstract  8-13
第1章绪论  13-33
  1.1 问题的提出  13-14
  1.2 国内外研究综述  14-27
    1.2.1 计算智能研究简述  14-17
    1.2.2 计算智能在库群系统中的研究进展  17-26
    1.2.3 研究现状评述  26-27
  1.3 实证区域概况  27-30
    1.3.1 自然地理  27-28
    1.3.2 水资源概况  28-30
    1.3.3 资料来源  30
  1.4 研究目标和内容  30-33
第2章基于相空间重构的径流预测模型  33-54
  2.1 引言  33
  2.2 径流序列一致性的小波分析判别  33-39
    2.2.1 基本原理及特性  34-35
    2.2.2 小波分析的多尺度分解  35-37
    2.2.3 实例分析  37-39
  2.3 径流序列的混沌特性判别  39-46
    2.3.1 关联积分  39
    2.3.2 径流序列的非线性检验  39-42
    2.3.3 相空间重构参数的选择  42-45
    2.3.4 最大李雅普洛夫指数的计算  45-46
  2.4 多维变量的相空间重构  46-47
  2.5 基于相空间重构的预测模型  47-49
    2.5.1 零级局域近似模型  47-48
    2.5.2 基于神经网络的全局拟合模型  48-49
    2.5.3 预测模型的多目标率定  49
  2.6 实例分析  49-53
  2.7 本章小结  53-54
第3章基于大系统聚合分解的混合智能算法  54-81
  3.1 引言  54-55
  3.2 基于遗传和蚁群的混合智能算法  55-62
    3.2.1 遗传算法  55-56
    3.2.2 蚁群算法  56-57
    3.2.3 基于遗传和蚁群的混合算法  57-60
    3.2.4 数值实验  60-62
  3.3 多个供水片区的聚合分解  62-69
    3.3.1 不同供水片区的模糊聚合  62-65
    3.3.2 聚合供水片区的空间分解  65-67
    3.3.3 实例分析  67-69
  3.4 供水库群的混合智能算法  69-77
    3.4.1 供水库群的目标函数  69
    3.4.2 单个供水水库的智能算法  69-71
    3.4.3 供水库群的聚合分解算法  71-73
    3.4.4 供水库群的混合智能算法  73-74
    3.4.5 实例分析  74-77
  3.5 供水库群联合调度可行区间的确定  77-80
    3.5.1 联合调度可行区间的定义及其算法  77-79
    3.5.2 实例分析  79-80
  3.6 本章小结  80-81
第4章基于 Pareto强度的多目标进化算法  81-104
  4.1 引言  81-82
  4.2 多目标优化概述  82-85
    4.2.1 非劣解的定义  82-83
    4.2.2 非劣解生成技术的常规方法  83-85
  4.3 多目标进化算法的关键技术  85-88
    4.3.1 多峰搜索和多样性维持  85-86
    4.3.2 个体适应度计算  86-87
    4.3.3 配对选择和环境选择  87-88
    4.3.4 精简 Pareto最优解集  88
  4.4 基于 Pareto强度的多目标进化算法  88-93
    4.4.1 基本算法流程  88-89
    4.4.2 算法设计  89-91
    4.4.3 数值分析  91-93
  4.5 基于满意度的多目标非劣解集评价  93-98
    4.5.1 近似理想点法  93-94
    4.5.2 单人非劣解集模糊评价  94-97
    4.5.3 多人非劣解集模糊综合评判  97-98
  4.6 实例分析  98-102
  4.7 本章小结  102-104
第5章考虑入流不确定性的模糊规划模型  104-117
  5.1 引言  104-105
  5.2 模糊决策基本原理  105-106
  5.3 模糊极值  106-108
    5.3.1 有界函数的模糊极值  106-107
    5.3.2 模糊约束下有界函数的模糊极值  107-108
  5.4 模糊线性规划  108-112
    5.4.1 模糊线性规划模型  108-111
    5.4.2 可靠度和满意度  111-112
  5.5 库群系统的模糊规划模型  112-116
    5.5.1 确定性规划模型  112-113
    5.5.2 模糊规划模型  113-114
    5.5.3 实例分析  114-116
  5.6 本章小结  116-117
第6章总结与展望  117-121
  6.1 总结  117-119
    6.1.1 主要研究结论  117-119
    6.1.2 创新  119
  6.2 展望  119-121
参考文献  121-129
致谢  129-130
附录攻读博士学位期间发表论文及科研情况  130

供水库群优化调度的计算智能方法及应用研究

内容摘要

全文目录

相似论文