基于智能算法的若干典型水文水資源問題研究.pdf

1、水是生命的源泉，是生態(tài)環(huán)境系統(tǒng)中最活躍、影響最廣泛的因素，又是工農(nóng)業(yè)生產(chǎn)過程中不可取代的重要資源。今天，水資源系統(tǒng)已演變?yōu)橐粋€(gè)多目標(biāo)、多屬性、多層次、多功能和多階段的復(fù)雜巨系統(tǒng)。隨著所研究系統(tǒng)廣度與深度的擴(kuò)大，傳統(tǒng)方法對于現(xiàn)代水資源系統(tǒng)的高維、非凸、非線性等復(fù)雜問題的處理已日顯掣肘。近年來，隨著現(xiàn)代應(yīng)用數(shù)學(xué)和計(jì)算機(jī)技術(shù)的迅猛發(fā)展，人們提出了人工智能計(jì)算理論與分析方法以解決復(fù)雜系統(tǒng)問題，這些方法的引入極大地促進(jìn)了系統(tǒng)分析技術(shù)和水科學(xué)信息分

2、析計(jì)算的研究和發(fā)展，使這個(gè)領(lǐng)域的深入研究具有相當(dāng)廣闊的空間。
　　 本文在汲取多種新的理論和分析技術(shù)的基礎(chǔ)上，采用了一些新思路、新方法，在水文水資源研究方面取得了一些進(jìn)展。其主要研究成果和創(chuàng)新總結(jié)如下：
　　 （1）分析了復(fù)Morlet 小波變換的時(shí)域和頻域分析特性，研究了小波變換過程中伸縮因子和平移因子對時(shí)頻域分辨率的影響，使用了復(fù)Morlet 小波進(jìn)行周期性識別的原理和公式。
　　 （2）從Parseval

3、定理和卷積定理的角度上分別推導(dǎo)了的快速且實(shí)用的非正交小波變換系數(shù)的計(jì)算方法。該方法把非正交小波變換系數(shù)的計(jì)算轉(zhuǎn)換為頻域的計(jì)算，充分利用了快速傅里葉變換運(yùn)算速度快、編程效率高的優(yōu)點(diǎn)，為復(fù)Morlet 小波的周期識別提供了算法基礎(chǔ)。
　　 （3）結(jié)合小波理論和神經(jīng)網(wǎng)絡(luò)各自的優(yōu)勢，建立基于小波理論的神經(jīng)網(wǎng)絡(luò)預(yù)測模型，利用小波神經(jīng)網(wǎng)絡(luò)的非線性模擬能力進(jìn)行水庫年徑流量的預(yù)測研究，取得了較好的模擬和預(yù)測結(jié)果。并把預(yù)測結(jié)果和影響徑流的時(shí)空因素

4、進(jìn)行多方位的比較分析。
　　 （4）針對所建立的水庫優(yōu)化調(diào)度模型，提出了結(jié)合模擬退火和逐步優(yōu)化算法的求解方法，證明了此方法處理復(fù)雜約束條件優(yōu)化問題的有效性，改善了智能算法中常見的“局部最優(yōu)”難題，對水庫優(yōu)化調(diào)度決策理論的探索有一定成效。
　　 （5）因?yàn)閭鹘y(tǒng)馬斯京根河道洪水演進(jìn)模型參數(shù)率定中存在線性化、計(jì)算繁瑣、精度差等問題，分別引入遺傳算法、模擬退火算法和粒子群算法用于馬斯京根模型參數(shù)率定。對多種算法在馬斯京根問題中的