[发明专利]一种基于遗传神经网络模型的正常蓄水位智能优选方法

权利要求书

1.一种基于遗传神经网络模型的正常蓄水位智能优选方法，其特征在于包括如下步骤：

1）确定水库正常蓄水位的高低限值，利用GIS技术进行淹没分析，为初选正常蓄水位方案提出具有制约性的淹没对象的控制水位高程、范围和数量；

2）提出水库蓄水位预值高程，对面积和体积指标进行获取，连同专家分析计算及定性分析指标部分，形成一个拟选方案，重复步骤2），形成比选方案集合；

3）选择指标评价因子，选出显著性差异指标参与各模型的计算；

4）根据所需样本数量构成网络学习样本，训练完成的网络通过四个测试样本来验证结果，对训练样本及测试样本进行归一化处理；

5）确定BP网络学习结构和初始化遗传算法种群，优选模型中的BP神经网络采用三层神经元结构，种群个数根据Kolmogorov定理得出，群规模经多次试验得出最佳个数，对应每个子群，以随机的方式在[0,1]区间选取较小值作为BP网络的初始权值；

6）运用遗传算法优化神经网络权值和阈值；

7）BP神经网络权值细调，利用建立完成的模型对待选方案进行评价。

2.根据权利要求1所述的一种基于GIS和遗传神经网络模型的正常蓄水位智能优选方法，其特征在于所述的步骤1）包括：查明对正常蓄水位有制约作用的重大淹没损失、地质条件极限主要分布水位高程，水位过高是否有颠覆性影响，技术条件是否允许，提出具有制约性的淹没对象的控制水位高程、范围和数量，确定最高水位高程，对水库淹没实物指标绝大部分位于设定水位高程以下，设定水位高程以上增幅无明显变化，综合考虑上下游衔接及水资源利用情况，确定最低水位高程。

3.根据权利要求1所述的一种基于GIS和遗传神经网络模型的正常蓄水位智能优选方法，其特征在于所述的步骤2）包括：在确定水位高程范围后，提出蓄水位预值高程，利用GIS方法，根据预值水位高程对面积和体积指标进行获取，连同专家分析计算指标部分，定性分析指标部分，一并构成完整的指标获取，形成一个拟选方案。循环步骤2），最终形成比选方案集合。

4.根据权利要求1所述的一种基于GIS和遗传神经网络模型的正常蓄水位智能优选方法，其特征在于所述的步骤3）包括：选出显著性差异指标参与各模型的计算，先对待比选方案通过显著性比较，符合设定阈值的指标作为模型参数，因素间差量计算公式：

Δδ=ΔEE1+E2+E3+···+En---(1)]]>

式中Δδ：设定阈值，n：方案个数，Ei：同一指标不同方案指标值，ΔE：两个方案指标数值之差。

5.根据权利要求1所述的一种基于GIS和遗传神经网络模型的正常蓄水位智能优选方法，其特征在于所述的步骤4）包括：随机选择影响因素组成样本的方法进行样本构造，根据所需样本数量构成网络学习样本，训练完成的网络通过四个测试样本来验证结果，训练样本及测试样本均需要归一化处理，各项指标分为成本型指标、效益型指标两种类型，对各个指标数据进行归一化处理，且统一转化成越大越优的效益型指标。归一化处理公式为：

式中x_(i,j)代表第j个方案的第i个影因素，f_imax代表第i个因素的最大值，f_imin代表第i个因素的最小值。