基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的梯級(jí)水庫調(diào)度函數(shù)研究.pdf

1、在水庫調(diào)度中，隱隨機(jī)優(yōu)化調(diào)度方法由于較好克服了計(jì)算上的困難而得到了較廣泛的應(yīng)用。這種方法大概包含兩部分：一是對長系列的徑流資料，采用確定性優(yōu)化計(jì)算方法進(jìn)行優(yōu)化計(jì)算；二是根據(jù)確定性優(yōu)化計(jì)算的結(jié)果，進(jìn)行函數(shù)擬合，得到水庫調(diào)度規(guī)則函數(shù)。
　　 對于第一部分，目前應(yīng)用較多的是POA算法，該方法克服了“維數(shù)災(zāi)”問題，且易于編程實(shí)現(xiàn)。對于第二部分，通常是用線性回歸方法擬合調(diào)度函數(shù)。但調(diào)度函數(shù)一般都是非線性的，而且究竟屬于哪一類非線性函數(shù)也難

2、以明確，因此用線性擬合方法難免會(huì)帶來一定誤差。本文利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射功能，對調(diào)度函數(shù)進(jìn)行非線性擬合，并將其應(yīng)用于水庫群聯(lián)合調(diào)度中。實(shí)例表明，該方法取得了較為滿意的效果。
　　 文章的重點(diǎn)內(nèi)容及有關(guān)成果如下：
　　 （1）闡述了神經(jīng)網(wǎng)絡(luò)的基本原理，著重介紹了BP神經(jīng)網(wǎng)絡(luò)原理及其改進(jìn)方法。改進(jìn)的方法在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時(shí)通?？梢员葮?biāo)準(zhǔn)BP算法快十至上百倍。對于不超過幾百個(gè)權(quán)值和閾值的中等規(guī)模神經(jīng)網(wǎng)絡(luò)，采用L-M算法可以使

3、收斂速度最快。
　　 （2）在徑流資料不是特別充分的情況下，為防止網(wǎng)絡(luò)訓(xùn)練過擬合，采用自動(dòng)正則化技術(shù)，該技術(shù)用L-M算法進(jìn)行訓(xùn)練，用貝葉斯的統(tǒng)計(jì)方法自動(dòng)決定正則化參數(shù)。通過神經(jīng)網(wǎng)絡(luò)擬合得到了較為可靠的水庫調(diào)度函數(shù)，網(wǎng)絡(luò)的擬合精度較高。
　　 （3）調(diào)度函數(shù)中分別采用時(shí)段末水位和出庫流量做決策，并最終將兩者相結(jié)合，以相互印證和補(bǔ)充。通過對金沙江下游四庫及三峽、葛洲壩水庫組成的水庫系統(tǒng)的模擬聯(lián)合調(diào)度，可以看到，利用神經(jīng)網(wǎng)絡(luò)擬