水库群系统优化调度新进展

从确定库群目标函数和相应的约束条件,以及选取求解模型的最优化方法方面系统地阐述了近 年来国内外水库群优化调度研究的进展。指出多种优化理论的耦合,基于巨型计算机、并行分布式计算 技术以及网格技术的优化方法,基于规则的优化调度方法研究以及空间数据的决策支持系统研究,这是 今后水库群优化调度研究的发展方向。

基于经验模式分解与混沌分析的直接多步预测模型

直接多步预测不依靠单步预测的结果而直接使用测量数据,效果理想,但往往要求模型能够学习多种不同的目标函数.本文建立的直接多步预测混合模型,使用模式分解方法把原始时间序列分解成不同尺度的基本模式分量,再经混沌分析和神经网络进行组合预测,减小了各步预测模型之间的差别,提高了模型对多种目标函数的学习能力,有效提高了预测精度.最后,通过基准时间序列验证了本模型的优越性.

基于自适应模糊推理系统模型的径流中长期预报

介绍了自适应模糊推理系统ANFIS的原理结构及学习算法。以漫湾和双牌两座水库实测月径流序列为研究对象,研究不同的输入及不同的模糊数对自适应模糊推理系统模型做中长期预报的影响,并通过与人工神经网络模型的预报结果进行比较,显示本模型是中长期水文预报方法中较为准确的方法之一。

改进的免疫算法在函数优化中的应用

针对遗传算法群体多样性保持能力不足,易陷入局部最优等缺点,提出了一种改进的免疫算法(Im-proved Artificial Immune Algorithm,IAIA),并将其与函数优化相结合,用于解决多模函数优化问题.用个体的实数值根据欧式距离进行适当的聚类分析,认为类内个体均具有相同的浓度值,用个体的二进制编码计算类的平均信息熵,进而得到浓度值,用以取代了标准人工免疫算法(Artificial Immune Algorithm,AIA)中计算任意两个体间信息熵的算法;根据个体适应值和浓度控制个体的繁殖率,该算法在保持与AIA相近的多样性和收敛性的同时,达到减少算法的时间复杂性,提高计算效率的目的.测试实验表明,对单模和多模函数优化问题,以及在高维的情况下,IAIA有较高的解质量及较短的运算时间,显示出良好的性能.

基于Web的径流中长期预报系统

以云南电网水调高级应用软件系统为工程背景,采用面向对象的编程思想开发了B/S模式下的径流中长期预报系统。系统涉及云南电网所属的5座主力水电站及其他重要的中小水电站,采用四种常用的中长期预报模型和频率分析方法进行径流预报。系统主要功能包括预报参数率定和检验、多种预报方法间的比较分析、与历史径流过程的对比分析、基础资料添加维护与报表生成等。系统操作简便、功能强大,同时具有良好的稳定性、移植性和可扩展性。

网络环境下基于模型驱动的水库群防洪联合调度系统

在分析水库群实时防洪调度特点的基础上,以JBuilder为开发工具,采用Oracle数据库研究开发了结构合理、功能齐全、界面友好和实用性强的网络环境下的水库群防洪联合调度系统。阐述了利用上述平台进行系统设计和开发的关键技术。该系统主要特点是支持异地用户进行联合调度方案的在线制定,支持从洪水预报数据预处理、初始条件设置、水库限制条件选择、模拟调度到决策会商和报表制定等决策制定的全过程。

定性方法与MCDEA模型在调水方案评价中的应用

针对输水工程调水量是一项定量及定性的多目标决策问题,提出了一种结合定性和多准则数据包络分析的综合评价方法。实例证明,该方法是解决定量、定性多目标混合系统优化问题的有力工具。

基于并行神经网络集成的多步预测方法

神经网络集成通过训练多个神经网络并将其结论进行合成,可以显著地提高学习系统的泛化能力。该文提出了一种基于特征提取的并行神经网络集成多步预测模型ECPNN(ExtractionofCharacteristicsParallelNeuralNetwork)。从单因素时间序列中提取出代表内在机制的特征,采取并行TDNN(Time-delayNeuralNetwork)集成的方式实现时间序列多步预测。实验结果表明了该模型在多步预测方面的可行性和有效性。