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

1、在水庫調(diào)度中，隱隨機優(yōu)化調(diào)度方法由于較好克服了計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)化計算方法進行優(yōu)化計算；二是根據(jù)確定性優(yōu)化計算的結(jié)果，進行函數(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帶來一定誤差。本文利用神經(jīng)網(wǎng)絡(luò)強大的非線性映射功能，對調(diào)度函數(shù)進行非線性擬合，并將其應(yīng)用于水庫群聯(lián)合調(diào)度中。實例表明，該方法取得了較為滿意的效果。
　　 文章的重點內(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)原理及其改進方法。改進的方法在訓(xùn)練神經(jīng)網(wǎng)絡(luò)時通?？梢员葮?biāo)準(zhǔn)BP算法快十至上百倍。對于不超過幾百個權(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，采用自動正則化技術(shù)，該技術(shù)用L-M算法進行訓(xùn)練，用貝葉斯的統(tǒng)計方法自動決定正則化參數(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