支持向量机在水利水电工程中的应用

支持向量机在水利水电工程中的应用

论文摘要

2004年我国水电装机容量突破1亿kW,占全国发电装机容量的1/4,提供了全国1/5的电力需求。近年来,中国用电量快速增长,大部份地区出现煤电紧张状况,然而我国水能资源丰富,理论蕴藏量6.94亿kW,技术可开发容量5.42亿kW,经济可开发容量4.02亿kW,年发电量约17500亿kW·h。为缓解电力供需矛盾,国家加大了对水电开发建设的投入。“西电东送、南北互供、全国联网”的发展战略为中国水力发电技术的发展带来了新机遇。水力发电过程中,有许多问题需要研究,本文针对传统算法的一些弊端,采用支持向量机解决水力发过程中的一些问题。本文的主要内容有以下几个方面:⑴论述了支持向量机在径流预报、水力发电机组振动模式识别中应用的必要性、可行性及其发展趋势;⑵介绍了支持向量机、元胞自动机的基本理论;⑶以邯郸市漳河上游天桥断水文站从1959年到1990年的各月平均流量为样本,根据元胞自动机基本理论建立了径流预报的螺旋线元胞自动机模型,并应用支持向量回归机进行径流预报;⑷分析了尾水管压力脉动的产生机理及形成特点,在应用小波包分解方法提取尾水管振动特征的基础上,采用支持向量机,对尾水管压力脉动状态进行聚类分析;⑸针对水轮机转轮空化特性和压力脉动特性所对应的空间曲面比较复杂的特点,以转轮能量试验结果和空化试验结果为依据,研究用支持向量回归机建立水轮机空化特性和压力脉动特性的双输出模型,并应用于四川紫坪铺水力发电厂中的水轮机空化和压力脉动特性的双输出模型的建模过程中。提取水力发电过程中实际问题的相关数据,根据相关理论建模,并应用支持向量机进行拟合、聚类分析是本文的重要研究环节,文中建立的径流预报的螺旋元胞自动机模型,基于支持向量回归机的径流预报模型,水轮机空化、脉动特性的双输出的支持向量回归机模型及尾水管压力脉动状态的聚类分析模型是本文的主要成果。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 研究的背景及意义
  • 1.2 国内外相关技术产生与发展状况
  • 1.2.1 中长期径流预报
  • 1.2.2 尾水管压力脉动分析
  • 1.2.3 水轮机特性拟合
  • 1.3 研究的创新点
  • 1.4 本文的主要内容及结构安排
  • 第二章 支持向量机及元胞自动机的基本理论
  • 2.1 引言
  • 2.2 支持向量机的基本理论
  • 2.2.1 统计学习理论
  • 2.2.2 支持向量机算法的发展历史和现状
  • 2.2.3 支持向量机基本方法
  • 2.2.4 支持向量机回归模型
  • 2.3 元胞自动机的基本理论
  • 2.3.1 元胞自动机的产生与发展
  • 2.3.2 元胞自动机的定义
  • 2.3.3 元胞自动机的分类
  • 2.4 小波包的基本理论
  • 2.5 本章小结
  • 第三章 支持向量机在径流预报中的应用
  • 3.1 引言
  • 3.2 基于元胞自动机原理的径流预报模型
  • 3.2.1 圆周元胞自动机模型
  • 3.2.2 螺旋线元胞自动机模型
  • 3.2.3 基于元胞自动机的径流预报模型
  • 3.3 基于支持向量机的预报模型中规则的生成方法
  • 3.4 径流预报的实际例子
  • 3.5 本章小结
  • 第四章 支持向量机在水轮机尾水管水力振动分析中的应用
  • 4.1 引言
  • 4.2 水轮机尾水管水力振动信号的处理
  • 4.2.1 尾水管紊流场及其压力脉动基本理论
  • 4.2.2 尾水管涡带的形成及其特点
  • 4.2.3 涡带所引起的压力脉动分析
  • 4.2.4 尾水管水流低频脉动特性
  • 4.2.5 小波包分解方法提取尾水管振动特征
  • 4.3 基于支持向量机的水轮机尾水管水力振动分析
  • 4.3.1 构建学习样本
  • 4.3.2 样本分析方法
  • 4.4 基于支持向量机的水轮机尾水管水力振动分析方法及计算实例
  • 4.4.1 基于SVMs 的“一对多”方法(One-against-the-rest Method )
  • 4.4.2 基于支持向量机的水轮机尾水管振动模式识别方法
  • 4.5 本章小结
  • 第五章 支持向量机在逼近水轮机特性中的应用
  • 5.1 引言
  • 5.2 水轮机特性及传统的逼近方法
  • 5.2.1 水力机组空化特性、稳定性
  • 5.2.2 传统的逼近水轮机特性的方法
  • 5.3 基于人工神经网络的逼近水轮机特性的方法
  • 5.3.1 多层前向神经网络的函数逼近能力
  • 5.3.2 误差反向传播算法
  • 5.3.3 计算实例
  • 5.4 基于支持向量机的逼近水轮机特性的方法及计算实例
  • 5.5 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 作者简介
  • 攻读硕士学位期间发表的论文和科研成果
  • 相关论文文献

    • [1].基于人工鱼群算法的孪生支持向量机[J]. 智能系统学报 2019(06)
    • [2].基于改进支持向量机的温室大棚温度预测[J]. 科技创新与应用 2020(10)
    • [3].结构化支持向量机研究综述[J]. 计算机工程与应用 2020(17)
    • [4].支持向量机理论及应用[J]. 科学技术创新 2019(02)
    • [5].加权间隔结构化支持向量机目标跟踪算法[J]. 中国图象图形学报 2017(09)
    • [6].多分类孪生支持向量机研究进展[J]. 软件学报 2018(01)
    • [7].模糊型支持向量机及其在入侵检测中的应用[J]. 科技创新与应用 2018(11)
    • [8].从支持向量机到非平行支持向量机[J]. 运筹学学报 2018(02)
    • [9].支持向量机的基本理论和研究进展[J]. 长江大学学报(自科版) 2018(17)
    • [10].孪生支持向量机综述[J]. 计算机科学 2018(11)
    • [11].一种新的基于类内不平衡数据学习支持向量机算法[J]. 科技通报 2017(09)
    • [12].分段熵光滑支持向量机性能研究[J]. 计算机工程与设计 2015(08)
    • [13].有向无环图-双支持向量机的多类分类方法[J]. 计算机应用与软件 2015(11)
    • [14].基于支持向量机的股票价格预测模型研究与应用[J]. 课程教育研究 2016(28)
    • [15].灰狼优化的混合参数多分类孪生支持向量机[J]. 计算机科学与探索 2020(04)
    • [16].基于属性约简—光滑支持向量机的中小企业信息化评价研究[J]. 软件工程 2020(07)
    • [17].基于稀疏孪生支持向量机的人脸识别[J]. 信息技术 2020(07)
    • [18].基于总类内分布的松弛约束双支持向量机[J]. 济南大学学报(自然科学版) 2018(04)
    • [19].基于多分类支持向量机的评估模型研究[J]. 数学的实践与认识 2017(01)
    • [20].改进的支持向量机在微博热点话题预测中的应用[J]. 现代情报 2017(03)
    • [21].多核在线支持向量机算法研究及应用[J]. 宜宾学院学报 2017(06)
    • [22].基于改进遗传算法的支持向量机参数优化方法[J]. 计算机与现代化 2015(03)
    • [23].一种层次粒度支持向量机算法[J]. 小型微型计算机系统 2015(08)
    • [24].自训练半监督加权球结构支持向量机多分类方法[J]. 重庆邮电大学学报(自然科学版) 2014(03)
    • [25].四类基于支持向量机的多类分类器的性能比较[J]. 聊城大学学报(自然科学版) 2014(03)
    • [26].一种模糊加权的孪生支持向量机算法[J]. 计算机工程与应用 2013(04)
    • [27].一种采用粗糙集和遗传算法的支持向量机[J]. 山西师范大学学报(自然科学版) 2013(01)
    • [28].基于在线支持向量机的无人机航路规划技术[J]. 电光与控制 2013(05)
    • [29].贪婪支持向量机的分析及应用[J]. 计算机工程与应用 2012(24)
    • [30].一种改进的双支持向量机[J]. 辽宁石油化工大学学报 2012(04)

    标签:;  ;  ;  ;  

    支持向量机在水利水电工程中的应用
    下载Doc文档

    猜你喜欢