论文部分内容阅读
在水库优化调度中，对结果影响很大的长期降水预报精度一直不高，而水库的隐随机优化调度在一定程度上克服了预报精度的问题。隐随机优化调度包括确定性来水优化调度计算和调度函数拟合两个方面。目前对于调度函数的拟合主要是线性拟合，因为非线性拟合无法确定具体的非线性函数，而本文选用BP神经网络算法进行非线性拟合成功避免了确定具体的非线性函数这个问题，并取得了令人满意的效果。 文章的重点内容和有关成果如下： （1）叙述了水库优化调度的研究现状，并对研究方法及其优缺点进行了阐述。确定了用BP神经网络算法拟合调度函数的思路。 （2）对本文要用到的POA算法和BP神经网络算法的原理进行了叙述，重点叙述了BP神经网络算法的原理和特点，并对BP神经网络算法的不足与改进方法进行了详细描述，选择了自适应学习率的改进方法。 （3）建立了确定性来水情况下的水库优化调度模型和BP神经网络算法拟合调度函数的模型，然后以三峡水库为实例，采用1951年到2002年52年的资料进行确定性来水优化调度的POA计算，并分别用四种网络结构的自适应学习率BP神经网络算法进行调度函数拟合，得到了大量结果数据。 （4）对四种方案得到的结果数据进行比较分析和总结。结果表明，通过BP神经网络算法拟合的调度函数中第二种方案的结果相对较优，取得了令人满意的效果。