论文题目: 城市给水系统的优化调度研究
论文类型: 硕士论文
论文专业: 环境工程
作者: 殷传斌
导师: 赵新华
关键词: 用水量预测,宏观模型,优化调度,支持向量机
文献来源: 天津大学
发表年度: 2005
论文摘要: 本文介绍了城市给水系统优化调度的主要内容,针对优化调度模型的现状和存在问题,对用水量预测模型、供水系统工况模型和优化调度模型进行了深入的研究。时用水负荷一般受气象、季节情况、居民活动及工业生产状况等因素的影响,具有周期性和趋势性特点。由于传统的经验非线性预测方法(如神经网络)具有局部极小点等不足,本文引入了采用结构风险最小化准则的支持向量机(SVM)算法。并采用SVMdark优化支持向量机核函数的参数,缩短了预测的时间,同时提高了时用水负荷峰值的预测精度。经北方某市开发区时用水量预测实践,结果表明了该算法的合理和有效性。由于供水系统是非常复杂的动态非线性系统,在实际管网的运行中,很难以一个或几个统一的显式函数关系描述管网的工况。考虑到管网宏观模型不但能描述整个管网的工作状态,而且建模所需成本低,运行速度快,本文提出了基于支持向量机算法建立的压力宏观模型。通过对开发区实际管网的实践,验证了所建模型的合理性,较好地解决了供水系统优化调度研究中宏观建模的问题。以压力宏观模型替代复杂的管网水力平衡方程,建立了大型供水系统的多目标混合离散变量的直接优化调度模型。并提出了对各约束条件处理的方法,采用非线性模型求解软件Lingo求解优化调度模型,以期更好地解决多目标离散变量的全局优化问题,有效解决变量和约束多的城市供水系统直接优化调度问题。这些算法经算例分析,验证了其合理性和实用性。
论文目录:
中文摘要
ABSTRACT
第一章 绪论
1.1 课题的提出及研究意义
1.2 国内外研究现状
1.3 优化调度的发展
1.4 存在的问题与不足
1.5 本文主要的研究内容
第二章 基于SVM的时用水量预测模型
2.1 城市用水量预测分类
2.2 城市供水系统短期用水量变化规律及影响因素
2.3 传统的用水量预测方法
2.4 基于支持向量机的用水量预测
2.5 支持向量机用水量预测模型及实例预测
2.6 小结
第三章 供水系统模型
3.1 供水系统工况建模概况
3.2 基于SVM的压力宏观模型
3.3 小结
第四章 给水管网优化运行决策
4.1 概述
4.2 直接优化调度模型的建立
4.3 优化调度模型的求解
4.4 工程实例
第五章 结论
5.1 主要成果
5.2 提出的问题及努力方向
参考文献
发表论文和参加科研情况说明
附表1 北方某市开发区时用水量及监测点压力数据
致谢
发布时间: 2007-04-17
参考文献
- [1].城市给水系统的优化调度方法[D]. 王俊岭.太原理工大学2002
- [2].城市供水系统中大客户用水量的分析与预测[D]. 严旭.华中科技大学2016
- [3].城市用水量预测研究[D]. 鲍燕寒.合肥工业大学2010
- [4].神经网络在陕西省工业用水量预测中的应用[D]. 高海英.西安建筑科技大学2007
- [5].城市用水量预测非线性方法的研究[D]. 岳琳.天津大学2005
- [6].灰色理论和混合建模算法在城市日用水量预测中的应用研究[D]. 陈保.浙江工业大学2014
- [7].卡尔曼滤波和混合智能算法在城市日用水量预测的应用研究[D]. 石也.浙江工业大学2016
- [8].基于供水安全的中小工业城市供水管网优化调度[D]. 欧阳小琴.南昌大学2006
- [9].二泵站优化调度研究[D]. 王以知.重庆大学2015
- [10].城市给水系统优化调度模型研究[D]. 李红艳.太原理工大学2003
相关论文
- [1].基于GIS的给水管网优化调度研究[D]. 郭成林.南华大学2007
- [2].城市供水系统智能优化调度研究[D]. 陈胜明.浙江大学2007
- [3].小城镇给水管网优化调度管理研究[D]. 陈金锥.重庆大学2006
- [4].城市供水系统优化调度基础研究[D]. 郭小青.重庆大学2006
- [5].基于BP神经网络和遗传算法的城市供水系统优化调度模型研究[D]. 陆健.河海大学2007
- [6].西安市给水管网优化调度研究[D]. 许强.西安理工大学2006
- [7].城市给水管网运行分析及优化调度研究[D]. 张玉芳.太原理工大学2005
- [8].城市给水系统的优化调度方法[D]. 王俊岭.太原理工大学2002
- [9].城市给水系统优化调度模型研究[D]. 李红艳.太原理工大学2003
- [10].在城市给水系统优化调度中若干关键问题的研究[D]. 于庆江.太原理工大学2004