基于自適應學習率BP神經(jīng)網(wǎng)絡的水庫調(diào)度函數(shù)研究.pdf

1、在水庫優(yōu)化調(diào)度中，對結(jié)果影響很大的長期降水預報精度一直不高，而水庫的隱隨機優(yōu)化調(diào)度在一定程度上克服了預報精度的問題。隱隨機優(yōu)化調(diào)度包括確定性來水優(yōu)化調(diào)度計算和調(diào)度函數(shù)擬合兩個方面。目前對于調(diào)度函數(shù)的擬合主要是線性擬合，因為非線性擬合無法確定具體的非線性函數(shù)，而本文選用BP神經(jīng)網(wǎng)絡算法進行非線性擬合成功避免了確定具體的非線性函數(shù)這個問題，并取得了令人滿意的效果。
　　文章的重點內(nèi)容和有關成果如下：
　?。?）敘述了水庫優(yōu)化調(diào)度

2、的研究現(xiàn)狀，并對研究方法及其優(yōu)缺點進行了闡述。確定了用BP神經(jīng)網(wǎng)絡算法擬合調(diào)度函數(shù)的思路。
　?。?）對本文要用到的POA算法和BP神經(jīng)網(wǎng)絡算法的原理進行了敘述，重點敘述了BP神經(jīng)網(wǎng)絡算法的原理和特點，并對BP神經(jīng)網(wǎng)絡算法的不足與改進方法進行了詳細描述，選擇了自適應學習率的改進方法。
　　（3）建立了確定性來水情況下的水庫優(yōu)化調(diào)度模型和BP神經(jīng)網(wǎng)絡算法擬合調(diào)度函數(shù)的模型，然后以三峽水庫為實例，采用1951年到2002年52年