基于GA的模糊神经网络在电厂用水量预测中的研究

论文摘要

用水量预测是电厂的一项重要工作,精确的预测结果会给电厂调水提供可靠的数据。它不仅有利于电厂的节约用水,减少不必要的水资源浪费,同时合理用水,节约用水,也是人类对自然的回报。用水量预测的方法很多,诸如:线性回归预测法、生长曲线预测法、灰色理论预测模型及非线性人工神经元网络预测等。通过综合比较,本文提出了基于遗传算法的模糊神经网络模型,并通过在神经网络框架下引入模糊规则,使网络中的权值有明显意义,且保留了神经网络的学习机制。在搜索求解过程中,本文针对权值的学习采用进化算法,可避免原有BP算法极易陷入局部最优值的缺点,利用遗传算法获得全局最优解。在综述国内外研究的基础上,本文把人工神经网络、模糊集理论和遗传算法结合起来建立模糊神经网络模型,同时通过仿真手段模拟运行,结果表明了该方法的有效性、可行性、达到了预期效果。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 电厂用水量预测的意义及现状
• 1.2 各种预测方法的综合评价及存在问题
• 1.3 本文主要工作
• 2 模糊神经网络基本理论
• 2.1 模糊神经网络概述
• 2.2 模糊神经网络模型结构
• 2.3 模糊神经网络算法
• 3 遗传算法
• 3.1 遗传算法概述
• 3.1.1 遗传算法简介
• 3.1.2 遗传算法与其他寻优算法的比较与分析
• 3.2 遗传算法的设计流程与实现
• 3.2.1 遗传算法
• 3.2.2 遗传算法的 MATLAB 实现
• 4 模糊神经网络与遗传算法的融合
• 4.1 神经网络与遗传算法的融合
• 4.2 模糊神经网络-遗传算法
• 4.3 FNN-GA 的染色体编码与解码
• 5 GA-FNN 网络在电厂用水量预测中的应用
• 5.1 金山电厂用水现状分析
• 5.2 金山电厂用水量预测实例
• 5.2.1 初始信息的建立
• 5.2.2 神经网络模型的确定
• 5.2.3 遗传算法与 BP 算法的结合
• 5.2.3.1 BP 算法部分
• 5.2.3.2 GA 算法部分
• 5.2.3.3 GA 与 BP 的结合
• 5.2.3.4 BP 网络的训练
• 5.2.4 数据归一化处理
• 5.2.5 模糊神经网络预测模型
• 5.2.6 模糊神经网络训练
• 5.3 仿真结果分析
• 5.4 电厂节水措施
• 结论
• 参考文献
• 致谢
• 攻读学位期间所发表的论文