基于水情预测的水库调度算法的研究与实现

发布时间：2020-03-21 10:37

【摘要】：水库水情预报调度系统关系周边地区人民群众的安全,受到世界各国的重视。系统的提升迫在眉睫,而智能算法的不断完善使各国学者看到了新的契机,故本文采用改进的智能算法进行水库水情预报调度系统的研究。传统的预测调度方法存在很多难以解决的缺点,比如预测算法中假设样本数据无穷大,且计算复杂度随之不断升高的缺点;比如调度方法中容易陷入局部最优的缺点。本文基于改进优化的智能算法-最小二乘支持向量机算法和改进粒子群优化算法研究了水库水情预报调度系统,并分别从算法建模、系统设计和系统实现几个方面进行了系统软件的设计与实现。系统将数据存储在关系型数据库Mysql中,经Hibernate层对存储对象进行持久化后,在Spring业务逻辑层实现了基于最小二乘支持向量算法的水情预报与基于改进粒子群优化算法的水库调度的功能,最后将数据处理结果经由Struts 2表示层进行图形界面结果展示。预报调度系统分为信息管理模块、预报调度模块和系统设置模块。信息管理模块实现水库基本概况信息、水库特征数据信息以及工情信息的管理;预报调度模块实现水情预测功能和水库调度功能的实现以及结果的图形化展示;系统设置模块实现系统中主要参数的设置以及用户信息的设置的实现。预测调度系统进行测试的结果表明,以最小二乘支持向量机算法和改进粒子群优化算法为核心的预报调度模型可以精确有效的进行预报与调度洪水,对于充分利用水资源和防洪防灾具有一定的实用价值。
【图文】：

粒子群优化算法,调度过程

确保两组序列均在允许范围内随机产生。) 按照目标函数公式，计算各粒子的适应值函数，然后得到各粒子的个体极的全局极值。先计算每一个粒子的每一维的速度，然后122维速度求算术平均为该粒子的速度；然后再将每个粒子的速度求算术平均，以此作为粒子群的法中的粒子平均速度的阈值，平均速度大于 0.1 时，，仍能够搜索到更好的度小于 0.1 时，搜索能力就很差了，即使还能搜索，出来的解也和原来的解。所以设定速度阈值为 0.1。交运算中，杂交概率 p 定为 0.2，即每次更新粒子位置后，随机取出 20%的粒行随机杂交。道控制如下：迭代了 1000 步之后，认为已经找到了较优的解，应该在最优后在此时的最优解的水位过程线上下 2 米的范围作为廊道进行搜索，直到到最大。对上述调度模型求解步骤进行求解，洪水调度过程图如图 3.5 所示，调度结度方法的对比结果如下表 3.2 所示：

访问数据库,代码,信息管理,调度作业

统其他模块实现1）信息管理库洪水预报与调度作业的共同基础是水文信息。因此一个是否友好的信息管理水库管理单位的日常工作具有十分大的影响。为使便利水库管理工作，本文使程语言进行开发，后台数据库使用 Mysql 数据库，本文使用 JDBC 实现对 M的访问。其中数据库的访问代码如下所示：
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP18;TV697.11

【参考文献】