水电科学中若干新方法应用研究

论文摘要

本论文依托国家重点自然科学基金项目:“基于子波和分形理论的水文尺度分析新途径（NO.40271024）;水文水资源子波分析新途径（No.50279023）”开展研究。通过对传统的遗传算法、神经网络、灰色理论、最近邻思想、小波分析研究,提出了改进的对称调和遗传算法、改进的灰色耦合模型和最近邻神经网络耦合模型,在此基础上将基于经验模态分解的希尔伯特-黄变换、集对分析等方法引入水电科学成功构建了水文径流预测、水资源评估、水库优化调度、水电站经济效益综合评价、电力负荷预测等多种模型,并对模型进行了实证研究,较好地解决了水文水资源中的一些复杂性问题。总括起来,本文在以下几方面取得创新成果:（1）本论文尝试构建了基于集对原理的水文水资源分析模式、评价模式、预测模式,在研究分析中依据水文水资源及水环境系统的特点,先从水文现象中一些集对的例子入手,通过联系度表达式分析研究了不同河川年径流的同步变化;建立了地下水资源承载力的等级;生态脆弱性程度;水库水电站综合效益评价模型。集对分析法与传统分析方法相比较,直观、简明、实用、针对性强,也便于计算机操作。为水电科学中的分析、计算、评价和预测增添了一种独特的方法。（2）本文提出了一种自适应最近邻神经网络耦合模型,该耦合模型能够在一定程度上解决水文水资源、电力负荷预测中对数据作预处理以及模型选择和参数的不确定性问题;开辟了构建水文水资源径流序列预测模型的新思路。（3）针对遗传算法存在求解精度与收敛速度间的矛盾,本文提出一种新的自适应对称调和遗传新算法,以清江隔河岩水库为例,建立了水库发电最优调

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本文选题目的及意义
• 1.3 集对分析在水文水资源的研究进展
• 1.4 最近邻抽样回归在水文水资源的研究进展
• 1.5 遗传算法在水文水资源的研究进展
• 1.6 灰色理论在水电资源中的研究进展
• 1.7 神经网络技术与水文水资源
• 1.8 Hilbert-Huang 变换与水电科学
• 1.9 Hilbert-Huang 变换在水文水资源中的研究进展
• 1.10.1 研究途径
• 1.10.2 研究的主要内容
• 1.11 主要技术路线
• 参考文献
• 第2章 水电科学中集对分析的应用研究
• 2.1 引言
• 2.2 集对分析方法
• 2.3 联系度
• 2.3.1 联系度μ 中系统理论的信息
• 2.3.2 联系度结构信息的内容
• 2.3.3 联系度μ 结构信息的应用
• 2.4 水文水资源中的集对分析方法
• 2.4.1 水文水资源与集对分析
• 2.4.2 集对分析在年径流量同步变化特性研究中的应用研究
• 2.4.3 区域地下水资源承载力综合评价的集对分析
• 2.4.4 岷江上游生态脆弱性综合评价的集对分析
• 2.4.5 水库工程优选方案的集对原理同一度分析法
• 2.4.6 基于集对分析的水文预测方法
• 2.4.7 基于集对分析的电站效益综合评价
• 参考文献
• 第3章 自适应 NNBR-ANN 耦合模型在中长期径流预报中的应用
• 3.1 引言
• 3.2 最近邻抽样回归模型的原理及算法
• 3.3 人工神经网络模型的原理
• 3.4 遗传算法的原理
• 3.5 遗传算法运行过程
• 3.6 自适应 NNBR-ANN 耦合模型
• 3.6.1 耦合模型原理
• 3.6.2 耦合模型建模步骤
• 3.7 基于自适应 NNBR-ANN 耦合模型预测应用
• 3.7.1 基本资料
• 3.7.2 NNBR—ANN 预测模型的建立
• 3.7.3 模型的检验
• 3.8 耦合模型与最近邻模型、人工神经网络模型预测结果比较
• 3.9 结论
• 参考文献
• 第4章 自适应对称调和遗传算法在水库调度及负荷预测中的应用
• 4.1 引言
• 4.2 自适应对称调和遗传算法
• 4.2.1 模型原理及其建模步骤
• 4.2.2 与其它遗传算法关系
• 4.3 自适应对称调和遗传算法在水库中长期发电调度中的应用
• 4.3.1 水库发电最优调度的数学模型
• 4.3.2 算法设计
• 4.3.3 计算结果分析
• 4.4 小结 .
• 4.5 区域电力负荷预测的自适应 IASAGA-ANN 耦合模型
• 4.5.1 引言
• 4.5.2 基本资料
• 4.5.3 区域电力负荷预测的前馈神经网络—BP 模型
• 4.5.4 自适应 IASAGA-ANN 预测模型在年用电量预测中的应用
• 4.5.5 IASAGA-ANN 预测模型建立与检验
• 4.6 小结 .
• 参考文献
• 第5章 改进灰色与 BP 网络耦合模型在径流和电量预测中的应用
• 5.1 引言 .
• 5.2 灰色模型简介
• 5.3 神经网络模型简介
• 5.4 耦合方式
• 5.4.1 两种方法的互补性
• 5.4.2 传统的耦合方式
• 5.4.3 本文的改进耦合方式
• 5.5 流域年均径流的改进灰色神经网络分析
• 5.5.1 引言
• 5.5.2 灰色模型分析
• 5.5.3 改进灰色神经网络分析
• 5.5.4 灰色模型与改进灰色神经网络模型误差分析
• 5.5.5 小结
• 5.6 改进灰色神经网络模型对城市用电量的预测
• 5.6.1 预测方法及预测结果
• 5.6.2 小结
• 参考文献
• 第6章基于 hilbert-huang 的径流序列分析
• 6.1 引言 .
• 6.2 研究方法
• 6.2.1 EMD 方法
• 6.2.2 希尔伯特-黄变换
• 6.2.3 离散瞬时频率的数值计算
• 6.2.4 EMD 中数据边界的处理
• 6.3 基于Hilbert-Huang 变换的黄河天然径流演化分析
• 6.3.1 资料来源
• 6.3.2 基于小波变换的黄河中下游天然年径流量分析
• 6.3.3 年径流变化的主周期分析
• 6.3.4 基于Hilbert-Huang 变换的黄河中下游天然年径流量分析
• 6.3.5 小结
• 参考文献
• 第7章 基于多分辨分析的EMD 黄河年径流AR（P）耦合预测模型的应用研究
• 7.1 引言
• 7.2 基于多分辨率分析的EMD 方法
• 7.3 AR（P）模型
• 7.4 多分辨率分析的EMD 方法的年径流AR（P）耦合预测模型的建立
• 7.4.1 基本资料
• 7.4.2 模型的构造
• 7.4.3 MEMD 方法AR（P）耦合模型与AR（P）模型、小波耦合模型的比较
• 7.5 小结
• 参考文献
• 第8章 结论与展望
• 攻读博士学位期间发表的学术论文
• 致谢