[发明专利]一种基于数据挖掘的水库多目标调度规则参数优选方法

摘要

本发明公开了一种基于数据挖掘的水库多目标调度规则参数优选方法，采用多目标优化算法得到水库多目标调度非劣解集，并利用随机森林模型建立所有水库调度规则参数与非劣解集的关系，通过评价各参数对非劣解集的预测效果，优选出信息量最大的水库多目标调度规则参数。本发明能有效利用水库优化调度信息，大大减少水库调度规则中的参数个数，提高了水库多目标优化调度模型的求解效率，为水库的科学决策提供更简单且可操作性强的参考依据。

主权项

1.一种基于数据挖掘的水库多目标调度规则参数优选方法，其特征在于，包括以下步骤：步骤1：收集水库上游站点观测的数据资料，将水库调度规则用数学公式的方式进行描述；具体公式如下：O_t＝a_t·(V_t+w·I_t)+b_t；式中：O_t为水库第t时段出库流量，单位为m³/s；w为单位转换系数；a_t和b_t为调度函数中以年为周期变化的规则参数，即每个月对应不同的值，但每年的同一个月份里a_t、b_t取同样的值；V_t为水库第t时段初水库可用蓄水量，单位为m³/s；I_t为水库第t时段入库流量，单位为m³/s；步骤2：采用多目标优化算法，以水库历史入库流量作为输入，对水库调度规则中的参数进行优化，得到一系列能够满足水库多目标利用需求的非劣解集；所述多目标优化算法，其具体实现包括以下子步骤：步骤2.1：对水库调度规则中的参数进行编码，对编码的参数进行随机赋值，生成初始种群，对初始种群中每一组编码值进行解码，得到水库调度规则参数，并将历史入库数据作为输入，按规则调度得到最后的调度结果；步骤2.2：将步骤2.1中产生的调度结果进行筛选排序，并挑选出不被任何其余结果支配的解，作为本次调度产生的非劣解集；步骤2.3：在步骤2.2中生成的非劣解集中随机抽取预设个数的解，并将这些解对应的参数集作为子代进行编码；步骤2.4：对步骤2.3生成的子代进行杂交、变异操作，生成新的种群，并解码得到水库调度规则参数，将历史入库数据作为输入，按规则调度得到最后的调度结果；步骤2.5：重复步骤2.2—步骤2.4，直到本次得到的调度结果与上一次得到的结果之间的差异在预设范围内，将最后生成的一组参数，作为水库多目标优化调度规则，并将对应的调度结果作为能够满足水库多目标利用需求的非劣解集；步骤3：根据步骤2中得到的非劣解集及其对应的水库调度规则参数，采用随机森林对它们的属性进行分析和归纳，挖掘其间的相互联系，并通过参数预测非劣解集；所述采用随机森林对它们的属性进行分析和归纳，其具体实现包括以下子步骤：步骤3.1：将历史资料分为率定期和检验期部分，并将一类水库调度规则参数和对应的非劣解集作为数据集，其中率定期的为训练集，检验期的为测试集；步骤3.2：在率定期的训练集中进行n次重复随机抽样，形成多个训练子集；按照一类规则参数对应一组非劣解集的原则，针对各训练子集分别建立决策树，构成随机森林，以描述调度规则参数与非劣解集的回归关系；步骤3.3：采用检验期测试集数据，利用步骤3.2中建立的调度规则参数与非劣解集的回归关系，推求测试集中水库调度规则参数对应的非劣解集；步骤3.4：对步骤3.3中的预测结果进行综合，得到最终的预测结果；步骤3.5：重复步骤3.1—步骤3.4，直到遍历完所有水库调度规则参数，采用随机森林建立其与非劣解集的关系，并得到每一组水库调度参数对非劣解集的预测结果；步骤4：统计各水库调度规则参数对非劣解集的预测效果，将预测精度最高的前M个参数作为描述水库调度规则信息量最大的参数；其中，将所有水库调度规则参数预测的非劣解集与实际结果进行对比，并采用均方根误差评价所有水库调度规则参数的预测效果，将预测精度最高的前M个参数作为描述水库调度规则信息量最大的参数；步骤5：采用多目标算法优化步骤4中优选的参数，得到新的水库调度规则。