[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

说明书

技术领域

本发明涉及遗传神经网络模型和GIS技术在水电工程建设的信息化技术领域，尤其涉及一种水电站正常蓄水位优选方法。

背景技术

随着国民经济的快速增长，对电力的需求不断增加，以煤炭为主的能源结构会带来资源和环境的掣肘问题。水利发电是无污染可再生资源，水电进入加速发展时期，因此，要优先发展水电工程，需要更先进更科学的方式，保证提高水电工程建设效率和降低建设成本，公开透明，降低社会、政治影响，提高水利工作科技含量。正常蓄水位是正常运行情况下所蓄到的最高水位，是水库和水电站最重要的设计参数之一，是确定拦河坝高度、水库容积、发电能力的基本依据。水电站正常蓄水位的确定是一项复杂而重大的决策过程，需综合考虑水库和水电站的建设工期、投资、发电效益、水库淹没土地人口数量、生态环境、与上游梯级电站的合理衔接等因素。正常蓄水位选择时所要考虑的定量和定性因素，共同导致该问题具有高度非线性、难确定性以及模糊性。因此，如何高效合理的实现水电站正常蓄水位方案的制定与优选，是一项亟待解决的重大难题。

目前，已有的正常水位方案优选模型一定程度上提高了方案优选的正确性。但是仍存在一些不足：（1）侧重方案的选择，忽视指标有效性的选择。实际工程中各方案的指标非常之多，所选指标的显著性在一定程度上对优选结果有影响。（2）方案优选时过多地依赖于工程经验和专家打分，各目标加权值的分配带有较大的主观性，模型中各因素权重值的确定成为瓶颈。（3）都是建立在若干备选蓄水位方案已经存在的情况下，如何科学地拟定水位控制高程形成水位方案的备选集，从备选集中选出最优方案鲜有研究。

GIS能实现对特定的地理空间对象进行空间分析与动态监测，如土地淹没面积、城镇区域淹没分析等具有较强的空间特征的指标，通过使用GIS的强大空间分析功能，可快速可靠地获取指标数据。同时将计算机技术与GIS技术融入其中，可提高比选方案形成效率。将GIS技术融入到蓄水位方案的优选，以提高正常蓄水位方案优选效率，减少优选周期，为蓄水位的初选以及备选方案的形成提供科学的决策支撑。

发明内容

本发明的目的是为克服现有技术存在的问题，提供一种基于遗传神经网络模型的正常蓄水位智能优选方法。

基于遗传神经网络模型的正常蓄水位智能优选方法包括如下步骤：

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。

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。

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。

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：