[發(fā)明專利]一種基于遺傳神經(jīng)網(wǎng)絡(luò)模型的正常蓄水位智能優(yōu)選方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310317544.6
• 申請(qǐng)日: 2013-07-24
• 公開(kāi)（公告）號(hào): CN103426027A
• 公開(kāi)（公告）日: 2013-12-04
• 發(fā)明（設(shè)計(jì)）人: 劉仁義;張豐;杜震洪;郜美娜;鄭曄;鄭少楠
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G06N3/08
• 分類號(hào): G06N3/08;G06N3/12
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 張法高

技術(shù)領(lǐng)域

本發(fā)明涉及遺傳神經(jīng)網(wǎng)絡(luò)模型和GIS技術(shù)在水電工程建設(shè)的信息化技術(shù)領(lǐng)域，尤其涉及一種水電站正常蓄水位優(yōu)選方法。

背景技術(shù)

隨著國(guó)民經(jīng)濟(jì)的快速增長(zhǎng)，對(duì)電力的需求不斷增加，以煤炭為主的能源結(jié)構(gòu)會(huì)帶來(lái)資源和環(huán)境的掣肘問(wèn)題。水利發(fā)電是無(wú)污染可再生資源，水電進(jìn)入加速發(fā)展時(shí)期，因此，要優(yōu)先發(fā)展水電工程，需要更先進(jìn)更科學(xué)的方式，保證提高水電工程建設(shè)效率和降低建設(shè)成本，公開(kāi)透明，降低社會(huì)、政治影響，提高水利工作科技含量。正常蓄水位是正常運(yùn)行情況下所蓄到的最高水位，是水庫(kù)和水電站最重要的設(shè)計(jì)參數(shù)之一，是確定攔河壩高度、水庫(kù)容積、發(fā)電能力的基本依據(jù)。水電站正常蓄水位的確定是一項(xiàng)復(fù)雜而重大的決策過(guò)程，需綜合考慮水庫(kù)和水電站的建設(shè)工期、投資、發(fā)電效益、水庫(kù)淹沒(méi)土地人口數(shù)量、生態(tài)環(huán)境、與上游梯級(jí)電站的合理銜接等因素。正常蓄水位選擇時(shí)所要考慮的定量和定性因素，共同導(dǎo)致該問(wèn)題具有高度非線性、難確定性以及模糊性。因此，如何高效合理的實(shí)現(xiàn)水電站正常蓄水位方案的制定與優(yōu)選，是一項(xiàng)亟待解決的重大難題。

目前，已有的正常水位方案優(yōu)選模型一定程度上提高了方案優(yōu)選的正確性。但是仍存在一些不足：（1）側(cè)重方案的選擇，忽視指標(biāo)有效性的選擇。實(shí)際工程中各方案的指標(biāo)非常之多，所選指標(biāo)的顯著性在一定程度上對(duì)優(yōu)選結(jié)果有影響。（2）方案優(yōu)選時(shí)過(guò)多地依賴于工程經(jīng)驗(yàn)和專家打分，各目標(biāo)加權(quán)值的分配帶有較大的主觀性，模型中各因素權(quán)重值的確定成為瓶頸。（3）都是建立在若干備選蓄水位方案已經(jīng)存在的情況下，如何科學(xué)地?cái)M定水位控制高程形成水位方案的備選集，從備選集中選出最優(yōu)方案鮮有研究。

GIS能實(shí)現(xiàn)對(duì)特定的地理空間對(duì)象進(jìn)行空間分析與動(dòng)態(tài)監(jiān)測(cè)，如土地淹沒(méi)面積、城鎮(zhèn)區(qū)域淹沒(méi)分析等具有較強(qiáng)的空間特征的指標(biāo)，通過(guò)使用GIS的強(qiáng)大空間分析功能，可快速可靠地獲取指標(biāo)數(shù)據(jù)。同時(shí)將計(jì)算機(jī)技術(shù)與GIS技術(shù)融入其中，可提高比選方案形成效率。將GIS技術(shù)融入到蓄水位方案的優(yōu)選，以提高正常蓄水位方案優(yōu)選效率，減少優(yōu)選周期，為蓄水位的初選以及備選方案的形成提供科學(xué)的決策支撐。

發(fā)明內(nèi)容

本發(fā)明的目的是為克服現(xiàn)有技術(shù)存在的問(wèn)題，提供一種基于遺傳神經(jīng)網(wǎng)絡(luò)模型的正常蓄水位智能優(yōu)選方法。

基于遺傳神經(jīng)網(wǎng)絡(luò)模型的正常蓄水位智能優(yōu)選方法包括如下步驟：

1）確定水庫(kù)正常蓄水位的高低限值，利用GIS技術(shù)進(jìn)行淹沒(méi)分析，為初選正常蓄水位方案提出具有制約性的淹沒(méi)對(duì)象的控制水位高程、范圍和數(shù)量；

2）提出水庫(kù)蓄水位預(yù)值高程，對(duì)面積和體積指標(biāo)進(jìn)行獲取，連同專家分析計(jì)算及定性分析指標(biāo)部分，形成一個(gè)擬選方案，重復(fù)步驟2），形成比選方案集合；

3）選擇指標(biāo)評(píng)價(jià)因子，選出顯著性差異指標(biāo)參與各模型的計(jì)算；

4）根據(jù)所需樣本數(shù)量構(gòu)成網(wǎng)絡(luò)學(xué)習(xí)樣本，訓(xùn)練完成的網(wǎng)絡(luò)通過(guò)四個(gè)測(cè)試樣本來(lái)驗(yàn)證結(jié)果，對(duì)訓(xùn)練樣本及測(cè)試樣本進(jìn)行歸一化處理；

5）確定BP網(wǎng)絡(luò)學(xué)習(xí)結(jié)構(gòu)和初始化遺傳算法種群，優(yōu)選模型中的BP神經(jīng)網(wǎng)絡(luò)采用三層神經(jīng)元結(jié)構(gòu)，種群個(gè)數(shù)根據(jù)Kolmogorov定理得出，群規(guī)模經(jīng)多次試驗(yàn)得出最佳個(gè)數(shù)，對(duì)應(yīng)每個(gè)子群，以隨機(jī)的方式在[0,1]區(qū)間選取較小值作為BP網(wǎng)絡(luò)的初始權(quán)值；

6）運(yùn)用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值；

7）BP神經(jīng)網(wǎng)絡(luò)權(quán)值細(xì)調(diào)，利用建立完成的模型對(duì)待選方案進(jìn)行評(píng)價(jià)。

所述的步驟1）包括：查明對(duì)正常蓄水位有制約作用的重大淹沒(méi)損失、地質(zhì)條件極限主要分布水位高程，水位過(guò)高是否有顛覆性影響，技術(shù)條件是否允許，提出具有制約性的淹沒(méi)對(duì)象的控制水位高程、范圍和數(shù)量，確定最高水位高程，對(duì)水庫(kù)淹沒(méi)實(shí)物指標(biāo)絕大部分位于設(shè)定水位高程以下，設(shè)定水位高程以上增幅無(wú)明顯變化，綜合考慮上下游銜接及水資源利用情況，確定最低水位高程。

所述的步驟2）包括：在確定水位高程范圍后，提出蓄水位預(yù)值高程，利用GIS方法，根據(jù)預(yù)值水位高程對(duì)面積和體積指標(biāo)進(jìn)行獲取，連同專家分析計(jì)算指標(biāo)部分，定性分析指標(biāo)部分，一并構(gòu)成完整的指標(biāo)獲取，形成一個(gè)擬選方案。循環(huán)步驟2），最終形成比選方案集合。

所述的步驟3）包括：選出顯著性差異指標(biāo)參與各模型的計(jì)算，先對(duì)待比選方案通過(guò)顯著性比較，符合設(shè)定閾值的指標(biāo)作為模型參數(shù)，因素間差量計(jì)算公式：