[发明专利]一种基于BP神经网络的城市供水调度方法及系统

说明书

本发明涉及计算机领域，尤其涉及一种基于BP神经网络的城市供水调度方法及系统，所述方法包括根据退火算法改进的遗传算法和Metropolis准则获得最优的初始权值阈值，并将该权值阈值输入神经网络，将训练数据输入BP神经网络进行训练，计算BP神经网络的网络的误差均方和，若网络的误差均方和满足设定阈值，则完成训练；否则更新权值阈值继续训练；将当前需要预测的地区的水务信息数据输入BP神经网络，BP神经网络即可输出供水调度信息；本发明的模型预测输出和实际负荷值拟合度更好，且预测输出稳定性较好，没有出现大幅度的波动，即本发明对水资源调度预测更可靠，更有优势。

技术领域

本发明涉及计算机领域，尤其涉及一种基于BP神经网络的城市供水调度方法及系统。

背景技术

我国水资源分布不均，各地区水资源供需不平衡，人均水资源量偏低，严重影响了我国经济和社会的可持续发展。因此进行科学的水资源调度，实现水资源的可持续利用以及水资源与人口、经济、社会和环境的可持续发展。

近年来，在水资源调度管理方面取得经验和成效的同时，也存在有很多的不足如：管理体制不健全。国内重大调水工程水资源调度主体虽然明确，但在落实中涉及部门和单位众多，沟通协调难度大，政府部门在其中没有发挥统筹的作用，不利于水资源调度效益最大化；前期论证不充分。部分调水工程前期论证不充分，水资源供需分析不充分，对调水工程的负面影响考虑不足，致使设计供水能力与实际需求不相符等问题

现有的水资源调度领域中，主要依靠人为经验以及出现局部地区缺水后上报的临时补救手段，存在着经验性和实时性差的不足，且临时组织的调水任务会浪费大量的人力物力且效果甚微。而近几年出现的基于遗传算法的水资源调度预测虽然也具有相对不错的效果但是遗传算法在使用过程中仍有很多的局限性。传统的遗传算法交叉与变异概率是常数，导致在训练过程中，群体易停留在局部最优值。

BP神经网络因对于非线性的负荷数据预测有较好的拟合能力而得到广泛应用，但是BP神经网络不仅计算量大，消耗时间多，也存在一定的缺陷，比如：易陷入局部最小值、收敛速度慢，初始权值、阈值随机赋予和网络训练震荡等现象。遗传算法优化BP神经网络预测精度比BP神经网络更高，但存在局部寻优能力不足，易陷入早期收敛等缺陷。

发明内容

为了合理地根据当前地区的近期降水量、气温、水资源总量、人均用水量、工业用水量、农业用水量以及用水总量等进行信息调度水资源，本发明提出一种基于BP神经网络的城市供水调度方法及系统，如图1，所述方法具体包括以下步骤：

S1、设置进化代数计数器t＝1，设置最大进化代数T，随机生成M个个体作为初始群体P(0)；

S2、计算群体P(t)中各个个体的适应度，判断适应度值是否满足收敛条件，即若当前进化代数t大于等于最大进化代数T，则以进化过程中所得到的具有最大适应度个体作为最优解输出，并进行步骤S6，否则进行步骤S3；

S3、对不满足收敛条件的数据进行选择、交叉、变异操作，群体P(t)经过选择、交叉、操作之后得到下一代群体P(t+1)；

S4、根据Metropolis准则抽样新个体，并进行交叉变异自适应概率抽样；

S5、判断抽样的数据是否稳定，若稳定则对抽样的数据进行退火温度调整，形成下一代种群P(t+2)，令t＝t+2并返回步骤S2；否则返回S4重新抽样；

S6、构建BP神经网络，将遗传算法输出的最优解输入BP神经网络作为初始化权值阈值，将水务公司搜集的水务信息数据，包括近期降水量、气温、水资源总量、人均用水量、工业用水量、农业用水量以及用水总量作为输入；

S7、对BP神经网络进行训练，计算BP神经网络的网络的误差均方和，若网络的误差均方和满足设定阈值，则完成训练；否则更新权值阈值继续训练；