[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

摘要

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。

主权项

1.一种基于BP神经网络的城市供水调度方法，其特征在于，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，判断迭代次数是否满足收敛条件，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，并根据交叉概率和变异概率进行自适应概率抽样；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；S8、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。