基于CBR的城市供水優(yōu)化調(diào)度.pdf

1、隨著中國市場經(jīng)濟的發(fā)展,自來水公司面臨著越來越嚴峻的競爭環(huán)境.對水資源進行優(yōu)化調(diào)度是提高經(jīng)濟效益的有效途徑.然而,由于各種各樣的局限,傳統(tǒng)的調(diào)度方法不能真正實現(xiàn)優(yōu)化調(diào)度.為此,該文提出了一種基于CBR(CaseBased Reasoning)的調(diào)度策略.基于案例的推理是近年來發(fā)展起來的解決問題和進行學習的人工智能的方法,并且已經(jīng)引起了廣泛的重視.它起源于美國,其基本思想和理論已經(jīng)傳遍整個世界,我們現(xiàn)在正處于CBR研究最為活躍的時期.首先

2、,該文對CBR以及相關(guān)的知識進行綜述,描述了這一領(lǐng)域中幾個先進的方法.重點提到了一個通用的CBR循環(huán)框架,而后對CBR循環(huán)中的四個基本方法進行逐一的闡述,包括案例搜索、重用、驗證和學習.并且建立了一個基于CBR的自來水優(yōu)化調(diào)度系統(tǒng)流程圖.然后,根據(jù)城市供水的特征建立了綜合解釋性預(yù)測方法和時間序列方法的基于人工神經(jīng)元網(wǎng)絡(luò)模型的動態(tài)城市用水量預(yù)測模型.把這個水量預(yù)測值分配到各個水廠,再用各廠的水量通過等效管網(wǎng)宏觀模型得出各監(jiān)測點的壓力值,這