• /  61
  • 下载费用: 19.90积分  

基于神经网络的灌区闸门优化配水方法试验研究

'基于神经网络的灌区闸门优化配水方法试验研究'
长春工程学院工程硕士学位论文 I 摘 要 随着水资源的日益紧缺,我国灌区节水灌溉日益备受关注。然而,国家对灌 区节水改造主要从工程角度解决渠系渗漏问题,而灌区特别是东北灌区粗放式的 管理模式、人为凭经验的供水方式,造成灌区水量严重浪费。因此,研究灌区优 化配水、实现节水灌溉,对于节约水资源具有重要意义。 本文将灌区配水调度过程中取水闸门间的优化配水问题作为研究内容,针对 渠系取水闸门运行过程中相互影响的复杂关系,探索研究基于神经网络理论的优 化配水模式。通过对神经网络各种技术方法的比较研究,借鉴目前神经网络技术 在水利工程领域的应用经验, 将 BP 神经网络方法与支持向量机方法应用于闸门优 化配水模型研究中。按照灌区需水要求,将同级取水闸门的开度、流量、水位作 为主要控制参数,将实际供水量逼近灌区需水量作为目标,根据试验室条件下的 大量试验数据,训练得到不同方法下的闸门优化配水模型,并进行了试验验证。 试验研究结果表明: (1)利用 BP 神经网络方法与支持向量机方法建立的闸门 优化配水模型,其实际供水和需水误差较小,可以实现节水的目的,方法的应用 对灌区节水具有积极意义; (2)两种神经网络方法建立的优化配水模型均具一定 的可靠性,其中利用支持向量机方法建立的优化配水模型得到的实际供水量与所 需水量平均误差为 4.46%,较 BP 神经网络优化模型精度更高、稳定性更好,具有 一定的应用研究价值,值得在今后的灌区闸门优化配水研究中深入探讨。 关键词:取水闸门;BP 神经网络;优化配水模型;支持向量机 长春工程学院工程硕士学位论文 II Abstract With the increasing scarcity of water resources, the water-saving irrigation of irrigation districts in China is increasingly concerned. However, the present reform of water saving infrastructure in irrigation area of China is mainly to solve the leakage of canal system from the point of engineering. The extensive management mode in northeast area and human-experienced water supply mode lead to a serious waste of irrigation water resources. Therefore, the optimization of water allocation in irrigation district is studied and it can make the water saving irrigation come true and have vital significance for saving water resources. In this paper, the optimization of water allocation among the sluice gates in the process of irrigation water distribution scheduling is taken as the research content. Considering that the complex relationship of mutual influence of the canal intake gates in the running process, the optimization of water allocation models based on neural network theory is researched. By means of a comparative study of various techniques of neural network method and drawing lessons from the experience of the application of neural network technology in water conservancy engineering field, the BP neural network method and the support vector machine method are applied to the study of optimization of water allocation model of gates. In accordance with the irrigation water requirement, the opening, flow and water level of sluice gates at the same level were taken as the main control parameters and the nearest approximation of practical irrigation water supply to water demand was taken as the goal. The optimization of water allocation models were trained and validated by test based on a lot of test data under laboratory conditions. Test results are shown as follows: (1) the optimization of gate water allocation model was established by the methods of BP neural network and the support vector machine, the error between actual amount of water supply and water demand is small. It can achieve the purpose of saving water and the application of the method has positive significance to the irrigation area; (2) the two kinds of optimization of water allocation model based neural network are both reliable, the average error between actual amount of water supply and water demand from the model based on the support vector machine is 4.46%, which has higher precision and better stability compared with BP neural network optimization model. So it is valuable to be applied and researched and it is worth in-depth researching in the study of optimization of gate water allocation in the future. Key words: irrigation gate, back-propagation, relativity of water diversity optimization, support vector machine 长春工程学院工程硕士学位论文 III 主要符号表 A 截面面积,m2 R 相关系数 H 水位,m L 长度,m c 惩罚因子 m 质量,kg g 核函数参数 P 功率,W d 直径,m V 速度,m/s r 半径,m g 重力加速度,m/s2 Q 流量,m3/s ▽H 闸门上下游水位差,m 长春工程学院工程硕士学位论文 IV 目 录 第 1 章 绪论 1 1.1 研究意义 1 1.2 依托项目介绍 2 1.3 灌区优化配水研究现状 3 1.3.1 灌区优化配水模型研究现状 . 3 1.3.2 渠系优化配水研究现状 . 6 1.3.3 小结 . 7 1.4 本文主要研究内容 8 第 2 章 模型试验设计 9 2.1 模型选取 9 2.2 试验模型介绍 9 2.2.1 干渠建筑物 . 11 2.2.2 梯型渠道 . 11 2.2.3 U 型渠道 . 11 2.3 试验原理 12 2.3.1 试验假设 . 12 2.3.2 试验方案 . 12 2.3.3 试验步骤 . 13 第 3 章 基于 BP 神经网络的优化模型 . 16 3.1 神经网络研究背景 16 3.2 BP 神经网络模型结构 17 3.2.1 人工神经元模型 . 17 3.2.2 BP 网络结构 . 17 3.3 BP 神经网络模型建立 20 3.3.1 样本数据的预处理 . 20 3.3.2 网络结构的确定 . 20 3.3.3 初始权值设置 . 22 3.3.4 传递函数 . 22 长春工程学院工程硕士学位论文 V 3.3.5 网络优化算法 . 22 3.3.6 神经网络模型的训练 . 23 3.4 效果分析 24 第 4 章 基于支持向量机模型的优化模型 25 4.1 支持向量机概述 25 4.1.1 支持向量机原理 . 25 4.1.2 支持向量机回归原理 . 27 4.1.3 小结 . 29 4.2 基于 SVM 的两种参数优化方法建模 . 29 4.2.1 建模前期工作 . 29 4.2.2 SVM 模型的网格算法优化 . 30 4.2.3 SVM 模型的遗传算法优化 . 34 4.3 效果分析 39 4.3.1 整体回归误差 . 39 4.3.2 训练时间 . 39 4.3.3 回归离散程度 . 40 4.3.4 小结 . 40 第 5 章 两优化模型的对比验证实验 42 5.1 模型的模拟效果对比分析 42 5.2 验证实验对比分析 44 5.3 优化效果分析 45 5.4 小结 47 第 6 章 总结与展望 48 6.1 总结 48 6.2 展望 48 参考文献 49 在学在学期间发表的学术论文及其他成果 52 在学期间参加的专业实践及工程项目研究工作 53 致 谢 54 长春工程学院工程硕士学位论文 1 第 1 章 绪 论 1.1 研究意义 当今时代水资源作为一种日益紧缺的自然资源,不仅是人类赖以生存的保障 性资源,更是社会、经济发展不可缺少的物质基础[1]。随着社会经济的迅速增长、 人口日益膨胀,人们对水的需求问题将日益成为影响社会发展的战略性问题。中 国作为世界上人均水资源最为贫乏的 13 个贫水国家之一,虽然水资源总量占世界 总水量的 6%,但庞大的人口基数决定了中国人均水资源稀少的现状[2]。同时存在 着水资源分布的不均衡,南北、东西的水资源分布差异较大的特点;苹戳饔, 作为经济发展的重要基地、人口聚集的主要城市却仅仅拥有全国水资源的 7.2%; 黄淮以北的广大北方地区拥有全国一半以上的土地,也仅仅拥有 15%的水资源。 其中农业用水占国内用水总量的 70%。由于地域、季候、经济等因素的影响,国 内只针对部分大型灌区进行节水技术的建设,农田灌溉水利用率低、灌溉方式不 当等现象仍然正在加剧我国水资源相对短缺的现状[3]。因此,如何更有效的发展节 水工程、提升节水技术、完善节水管理水平,已成为当今节约国内水资源的重大 挑战。 十七届三中全会明确指出以农田水利为重点的农业基础设施是现代农业的重 要物质条件,并确定了完成灌区节水改造的工作目标。因此,如何在我国水资源 十分短缺、灌溉用水效率不足等严重状况下,大力发展节水灌溉,提高灌溉水利 用率,对我国缓解水资源短缺,促进国民经济又好又快的发展有着十分重要的现 实、历史意义[4]。 近年来国家针对东北地区大部分灌区进行了节水改造项目建设,但主要是针 对灌区渠道防渗方面的衬砌改造工作。由于灌区的节水改造项目是一项复杂工程, 在需要大量资金、先进技术的同时,仍需要耗费诸多的人力、物力。因此,灌区 的改造建设除个别重点灌区,多数仍无法实现灌区的节水配套自动管理运行模式, 并存在诸多问题: 目前东北灌区仍无一套成熟的计量体系。水费的征收问题作为一个实际而复 杂的焦点仍是大部分灌区难以攻关障碍。其中:多数渠道下游无量水设施建设的 灌区,水费征收模式仍以“按亩均摊”方式运行,灌区中“跑冒滴漏”问题严重, 这就使得大部分农户节水意识淡薄,为了满足个人利益无节制的浪费水资源[5]。因 此,急需研究并落实东北灌区的渠道量水控制工作。 东北灌区除部分内陆井灌区,大部分灌区是以河流灌溉为主的运行模式。以 长春工程学院工程硕士学位论文 2 往的“计划经济”管理方法按亩固定征收水费,不计水量[6]。灌溉过程中为满足个 人利益严重浪费了灌溉水资源,成为了近年来灌区的节水改造工作落实过程中难 以解决的潜在问题,阻碍了东北灌区节水型管理模式发展的进程。且灌区中各闸 门调节及水量的分配只能单纯的依靠经验控制、粗放管理。因此经;岢鱿钟捎 人为经验操作不当导致渠系内部水量分配不均的现象, 渠系水利用系数普遍在0.47 至 0.68 间。渠系中大量浪费的水量主要由渠系中的水量蒸发、渗漏以及弃水组成, 由于灌区中渠道已基本完成主要渠道的衬砌防渗工作,因此渠系中渗漏、蒸发的 水量浪费仅为总浪费总水量的 30%左右,灌区中每年有大量的水资源浪费在由于 粗放式管理模式引起的弃水问题中。 针对目前灌区中粗放式管理模式存在的不足,严格控制弃水浪费现象,为实 现灌区配水过程中各渠系的精确供水问题,渠系闸门开度的优化调度组合模型研 究对东北灌区的发展具有重要的指导意义。 1.2 依托项目介绍 本文研究的“基于神经网络的灌区闸门优化配水方法试验研究”是“灌区闸 门远程自动控制节水系统的研究与开发”项目的子系统。该项目为吉林省科技支 撑计划项目。该项目旨在建立一个集远程控制、量水、自动控制设施于一体的灌 区远程自动控制节水系统。 该系统主要研究内容有:灌区闸门远程控制系统建立、新型灌区量水设施的自 主研发、灌区现地控制系统的研究,以及灌区闸门优化配水模型的研究。该系统 的实现将有效的解决目前由于农户实际用水量无法计量的问题。自动节水系统可 较好的通过精准控制各闸门开度实现各渠道的精确配水,并可通过闸门下游的量 水设施量测出实际供水量,进而达到节水灌溉的目的,通过水量的精确控制逐步 提升农民的节水意识。同时灌区远程自动控制系统的实现将各闸门的调控工作转 移到控制室中,工作人员可根据各渠道特性及各渠道下游需水规律实现闸门的远 程自动控制配水工作,有效解决由于灌区管理人员不足及人为闸门调节不当等引 起的水量浪费问题。 本人研究的基于神经网络的灌区闸门优化配水方法试验研究是“闸门远程自 动化控制系统”内容中的闸门优化配水模型的研究,该研究旨在得出一种适合灌 区闸门综合调度的各闸门优化配水模型,为灌区闸门的控制系统提供下游不同需 水规律条件下的闸门优化调度方案,在保证控制精度的前提下使渠系内水量分配 达最优化,有效的控制了下游渠道水量浪费的现象,实现节水灌溉的目的。 长春工程学院工程硕士学位论文 3 1.3 灌区优化配水研究现状 1.3.1 灌区优化配水灌区优化配水模型模型研究现状研究现状 灌区的优化配水是一个较为宏观、复杂的问题,它包括在灌区中涉及的诸多 问题,调亏灌溉状态下作物需水规律问题的研究;作物水分生产函数及优化灌溉 制度方面的优化配水问题;灌区水资源供需水量与动态变化过程及决策方面的优 化配水问题;水量调度过程中,针对已有灌溉规律进行配水方案的优化问题等。 研究优化配水的数学模型根据优化模型的算法研究主要分为经典算法模型和智能 算法模型。经典算法模型主要有线性规划模型、非线性模型、动态规划模型等, 经典模型主要根据研究内容的数学关系通过建立固定数学模型的方式,将规划问 题转化为多因素影响的数学求解问题。智能算法是现代数学理论与计算机技术相 结合的发展产物,根据算法原理的不同分为神经网络、遗传算法、蚁群算法、粒 子群算法、支持向量机算法等。智能模型突破原有经典模型确定固定数学模型的 寻优方式,采用节点寻优的方式解决了以往由于模型的多因素、复杂性、非线性 等因素影响,具体研究现状如下: 1.3.1.1 经典优化模型 线性、非线性规划是经典优化模型中较早的优化方法,它是根据所求问题的 各因素关系确定对应的数学关系,将系统的优化问题转化为数学模型的最优求解 的方式实现优化工作,并根据所求目标与影响因素间线性关系分为线性、非线性 规划。2004 年,何士华等人在研究山区渠系水量不足状态下渠段的优化配水问题 中, 采用线性单纯行模型将问题进行了研究, 基本解决了山区渠系水量优化问题[7]; 1994 年,郭宗楼等人通过对国外 SPAC 系统的学习,在研究冬小麦的最优灌溉制 度优化配水问题中,建立了非线性优化的最优灌溉制度优化模型,并得出了最优 灌溉制度[8]。 随机动态规划模型是对着人们对线性、非线性规划的进一步研究建立起来的 模型,它以往单一决策的问题根据实际求解问题转化为多阶段决策问题,在优化 配水研究问题中多用于研究作物非充分灌溉最优制度为主,其主要分为 DP、SDP 模型。1967 年,DP 模型首次被 Flin 和 Musgrave 二人应用到了作物非充分灌溉制 度的优化配水问题中,并通过作物生长各阶段需水量及可供水量,较好的解决了 非充分灌溉制度下的优化配水问题。1990 年,袁宏源等人通过对 DP 模型求解方 法的改进,实现了逐次渐近法(DPSA)在解决黑龙港多作物灌溉优化制度中 DP 模 型的求解问题,使 DP 模型在优化配水问题中应用得到了发展。1993 年,张展羽 等人根据缺水地区作物的多影响因素提出了二维动态规划模型在作物非充分灌溉 长春工程学院工程硕士学位论文 4 制度中的研究,并得出了合理的冬小麦优化灌溉制度。1995 年,白宪台同样针对 灌区中渠系的不同需水规律及多影响因素的特点分别建立了渠系优化配水的多维 动态规划模型(MDDP)、多目标动态规划模型(MODP),较好的解决了灌区渠系的 不同影响因素下的优化配水问题。1993 年邰生霞等人将随机动态规划方法应用到 了西北干旱地区玉米灌溉优化制度研究中,将随机影响的思想考虑在了作物灌溉 制度优化过程中,从优化模型的建立上更为贴近了作物生长因素的随机影响特点。 1999 年,崔远来等人根据水稻作物的短期灌溉特点,建立了水稻优化灌溉制度的 SDP 模型,解决了水稻等短期灌溉作物的优化灌溉问题[9]。 经典的规划模型是优化配水模型研究的基础,它实现了灌区优化问题向数学 模型的转化。线性、非线性模型是通过研究问题建立单一的静态数学模型,这种 手段建立的数学模型只能考虑模型中主要的影响因素,并且无法考虑包括时间等 动态因子的影响。动态、随机动态规划模型虽引入了“时间”的因素,并被广泛 应用到了优化灌溉制度求解中,但单纯的依靠确切的数学模型建立的模型无法很 好的解决随机因子的影响,对于较为复杂的模型系统有时会出现求解“维数灾” 的问题。随着人们对优化问题的深入研究,经典算法模型逐渐显现出来其固有的 局限性。 灌区闸门优化配水模型研究是一个较为复杂的多目标优化问题,它由各渠系 的渠道特性、流量、水位及闸门特性参数综合影响[10]。我们在考虑单一渠道的开 度与流量关系时,根据闸门与闸前水位的相对开度可将闸口处流态分为闸孔出流 和堰流两种情况,堰流状态下渠道流量基本与闸门开度无关,闸孔出流时下游渠 道流量与闸门开度成正比,同时也受到闸底板形式、下游渠道断面参数、闸门开 度与上游水位相对开度,以及下游水位(淹没出流)等因素的多方面影响,因此 很难采用经典规划理论的方法建立出一个通用的数学模型满足各渠道下游水量与 开度间的调度问题。同时,在考虑灌区同级闸门间的开度的多目标优化过程中, 除应考虑单一渠道内部各要素的综合影响关系,还需考虑不同渠道闸门开度间变 化的随机相互影响。因此,本次闸门开度模型的建立不采用经典优化模型的方法, 拟采用智能优化模型的方法来解决该模型中多层次、多因素、随机影响等多方面 的优化问题。 1.3.1.2 智能优化主要算法 ((1))遗传算法遗传算法 遗传算法是仿生智能优化理论中较为经典实用的优化算法, 它是由 Holland 教 授首先提出的,主要由编码机制、控制参数适应度函数、遗传算子四部分组成。 长春工程学院工程硕士学位论文 5 近年来由于其出色的优化效果应用于各个领域。 2000 年,骆莉将遗传算法较早的应用到灌区渠系的优化配水研究中,分别以 渠系的最优节水量及最小轮灌组数为优化目标,实现了不同情况下的基于遗传算 法的渠系优化配水问题[11]。2002 年,富强等人在研究水稻优化灌溉制度中将加速 遗传算法(RAGA)应用到研究中,并得到了较为理想的效果,加速遗传算法的实 现弥补了以往:呕、灰度系统评价的缺陷,提出了优化模型中复杂性、高维 数等方面的新方法。同年,王立坤用遗传动态规划法(RAGA-DP)推求出来三江 平原地区水稻的最优灌溉制度,克服了 DP 方法优化过程中反复试算、容易早熟等 问题[12]。2004 年,赖明华将根据大系统理论,基于分解协调技术与遗传算法结合 的算法确定了水资源优化配置方案及各阶段的灌水方案。同年,宋朝红、崔远来 等用混合遗传算法解决了非充分灌溉制度中高度非线性目标函数的求解问题,并 用实验证明了其可行性[13]。 2006 年, 潘林等建立了多种作物灌溉水量的分配模型, 并采用模拟退火遗传算法(SAGA)求解,提高了算法中的收敛速度及稳定性的问 题,拓宽了灌区中灌水优化的新思路[14]。2009 年,任安等将加速免疫遗传算法应 用于黑龙江半干旱地区灌区水量分配的求解过程中,证实了此算法的实用性和稳 定性[15]。 ((2))神经网神经网络络 神经网络是由大量简单的神经元相互连接而成的自适应非线性动态系统。其 工作原理不同于以往机械执行的程序,能够自适应环境,具有极强自学、联想、 容错能力和抗干扰能力[16]。 20 世纪 90 年代, 已逐渐在农业水利领域得到了广泛的 应用[17]。1998 年,陈志军首次将人工神经网络引入灌溉宏观的发展领域,对未来 30 年的全国灌溉面积发展需求进行了预测,为全国灌溉宏观的发展战略与政策措 施提供了宝贵的参考依据[8]。2000 年,罗本成将 BP 神经网络理论应用于渠系自动 控制中,并采用改进 BP 网络与:际踅岷系姆绞,克服了传统 BP 网络的不足 [18]。 同年,黄国如等在黄河下游引黄灌区饮水量的分析中应用 BP 神经网络建模的 方法进行了优化,并与多元线性回归的方法进行比较,显现出了明显的优越性[19]。 2001 年,沈细中、崔远来等将神经网络的思路引入到作物缺水的敏感性分析中, 避免了建立具体的作物水分生产函数模型的过程,在时空上较水分生产函数适应 性更强[20]。2003-2004 年霍再林、史海滨等人在前人的启发下将神经网络分别应 于作物水-盐关系预测、作物潜在蒸散量的研究中,对传统的 Pen-man 等方法求 解 ET0计算进行了补充。 随着优化技术的发展和人们对复杂问题的求解需求, 传统 标准的 BP 神经网络存在的收敛速度慢、 学习速率不易确定等问题加速了人们对改 进神经网络的研究[9]。2006 年,赵新宇将 L-M 算法的神经网络应用与灌区地下水 的预测中取得了良好的成效,L-M 算法大大提高了算法的收敛过程。同年,陈晓 长春工程学院工程硕士学位论文 6 楠等针对这个问题在农业干旱评估中采用了混沌优化神经网络的方法克服了以往 神经网络的不足;煦缬呕ú坏哂腥值难坝拍芰,而且具有原理简单、收 敛速度快、易变成等特点[21]。2007 年,马建琴在灌区地下水预测研究中采用模拟 退火和 BP 神经网络综合的办法来训练前馈型神经网络。 该算法克服了易陷于极小 值的缺点,增加了预测的可靠性[22]。 ((3))其它算法其它算法 鱼群算法(AFSA)是一种基于模拟鱼群行为的优化算法,主要利用了鱼群的觅 食、聚群和追尾行为来进行全局的寻优。该算法对克服局部极值方面有较好的效 果,并对目标函数、数据参数的要求不是很高,因此得到了广泛的应用。2006 年, 张展羽等在研究沿海缺水型灌区水资源的优化配置中,首次将基于分解协调的人 工鱼群算法应用于作物优化配水模型建立,并与含水层海水入侵模型共同建立了 水资源的调配耦合模型,实践证明基于分解协调的人工鱼群算法收敛性好,提高 了计算速率,较好地解决了作物优化配水大系统中常见的变量维数高、约束方程 多等问题。2007 年,高玉芳、张展羽将混沌优化方法与人工鱼群算法结合进行了 改进,用混沌优化的方法在算法初始阶段对初始位置进行了寻优。提升以往由于 影响因素较多时的收敛速度慢、寻优精度低等不足的方面。并通过实验证明,混 沌人工鱼群方法的可行性,为灌区优化问题指引了新的方向[23]。 粒子群算法(PSO)是基于鸟群飞行情况的新型模拟优化算法, 通过粒子在解空 间追随最优粒子的方法进行寻优。算法简单、易实现,有深刻的智能背景,一经 提出便得到了广泛的应用。2006 年,张国华等将 PSO 算法应用于灌区实际工程, 在渠系优化配水问题中针对渠道“定流量,变时间”的运行方式,对前人提出的 0 -1 规划模型进行了改进,并用 PSO 算法加以优化。结果表明,PSO 算法略优于 现有的其他方法,具有较好的研究价值[24]。2008 年,王斌等将自由搜索(FS)算法 应用于灌区优化配水模型中,并与通过实验证明 FS 算法与遗传算法、粒子群算法 相比为灌区配水模型提供了更为合理的配水方案,加之所需参数不多、编程操作 方便,因此在灌区优化配水中有一定的实用价值[25]。 1.3.2 渠系优化配水渠系优化配水研究现状研究现状 针对以上方面国内外学者进行了大量研究。目前,在国外发达国家,灌区管 理正朝着信息化、自动化、高效化方向发展[26]。他们普遍把计算机技术、自动控 制技术等应用于水管理,实现集信息采集—处理—决策—信息反馈—监控为一体 的调度系统,实现水资源的合理配置和灌溉系统的优化调度[27]。美国、澳大利亚 等国以实现灌区的自动控制及优化运行目的,已经能够将整个灌区作为一个完整 的系统进行优化控制,采用前馈与反馈结合的方式,保证整个灌区的动态稳定, 长春工程学院工程硕士学位论文 7 使供水量、需水量在严格的水位变化范围内快速响应、精确一致。并通过对每一 点 (闸门、 泵站等) 的下游水位流量进行监控, 以实现多目标多途径的优化[28] ,[29]。 我国灌区的灌溉建设和管理水平与国外发达国家相比相对较低。对于灌区优 化配水问题理论方法的应用多滞留在理论研究的阶段,对于很多优化配水方法的 实际应用与普及方面仍有很大的空间去努力。其中:闫荣平等针对石头河灌区部 分干渠配水时间采用非恒定流数值模拟的方法进行模拟分析,得出了较为满意的 结果,使灌区管理中引水时间的问题得到了解决[2]。2000 年,罗本成等在研究灌 区闸门的自动化控制中, 采用 BP 神经网络的方法建立了渠系水位与闸门开度的模 型,来简化研究闸门开度、水位流量间的关系,并通过实验的方式将其进行了优 化和预测误差的检验[18]。2011 年,黄佳、宁芊等以都江堰灌区联合调度为例,采 用粒子群优化最小二乘支持向量机参数的方法,确定了流量与闸门开度间的单输 入多输出的非线性关系,并以此为基础利用决策原则及实际情况确建立了都江堰 内江的联合调度模型[30]。但以往采用神经网络的闸门开度模型的研究中,都还停 留在简单的探讨阶段,并没有详细而系统的研究。且针对灌区闸门开度的模型均 只是以单一闸门开度的变化过程为研究主体,并没有充分考虑到各个闸门开度在 灌区调度过程中的相互影响;谝陨涎芯炕〉弥:基于神经网络的灌区优化 配水闸门开度组合模型及其应用的研究对于实现灌区优化调度过程中自动化控制 方面的发展仍有着极为重要的意义。 1.3.3 小小结结 基于以上研究基础,经典的优化算法在研究优化模型中由于缺乏对问题的随 机因素考虑,过于固定的数学模型往往难以反映优化模型的特定性和不确定性, 失去了优化问题的实际应用性。本次灌区闸门优化配水问题由于其系统性、多因 素性的影响不采用经典优化理论研究。智能优化算法主要分为系统模型参数优化、 回归模型研究。模型的参数优化较为优秀的算法有遗传算法、鸟群算法、自搜索 算法、粒子群算法,在方案寻优问题中每个方法均有其特有的优缺点,在研究不 同问题中有其不同的优化效果;毓槟P脱芯恐,BP 神经网络和支持向量机两种 方法是目前应用较为广泛的方法,由于 BP 神经网络是较为经典的理论,支持向量 机是近年来迅速发展起来的基于统计基础的模型,二者在不同的问题中均体现了 较为出色的回归分析效果, 因此本次研究采用分别建立 BP 神经网络和支持向量机 模型的方法对比出较为合适的闸门优化配水模型。而在模型的参数寻优过程中大 量研究表明:遗传算法的搜索效率较为稳定,蚁群算法对于连续函数的寻优问题 虽然速度较快,但经;岢鱿秩旨档愦Ω浇樟簿炔蛔愕南窒,鱼群算法 在优化过程中常出现收敛速度慢,甚至优化发散等问题。因此本次在模型参数的 长春工程学院工程硕士学位论文 8 优化问题中最终选择遗传算法的优化方法。 1.4 本文主要研究内容 目前研究灌区的优化配水问题多针对灌区内不同代表作物的灌溉制度研究。 如何在灌区水量调度的过程中准确、迅速的调整好闸门开度组合的问题少有研究。 对于灌区的建设而言,灌区的自动化管理建设是灌区发展朝着现代化节水方向改 革的标志性突破。在灌区远程自动化控制节水研究过程中,如何实现精准而快速 的通过调节闸门开度来满足渠系系统的水量优化分配问题,仍是一个宏观而复杂 的问题。因此,本文旨在研究出一个以整个灌区总体渠首流量、下级渠道闸门开 度组合、下级渠道流量、水位为影响因素的联合调度模型。该模型将同级闸门开 度间的影响联合考虑在内,具有非线性、滞后性、时变性等特点。通过对三者间 实验数据的模拟,最终预测出一组满足下级渠道流量需求、渠首流量最小的闸门 开度组合,进而达到渠道在水量调度的过程中水量损失最小的目的。具体工作如 下所述: 首先,根据灌区实际情况制定出合理、具有代表性的实验方案。并于长春工 程学院水利馆内开展模型试验研究,为下阶段闸门优化配水模型的建立提供可靠 的实验数据基础。 其次,采用仿真软件 Matlab 分别建立 BP 神经网络、支持向量机两种模型。。 根据实验所得数据分别训练两个优化回归模型,并测试这两个模型的模拟、预测 效果。根据模拟效果分别对 BP 神经网络和支持向量机两个模型进行分类进行优 化。 本文采用对比分析的方法最终在各优化算法中择优选择方法优化 BP 神经网络 模型的学习速率及效率。支持向量机算法分别采用基于交叉检验的启发式的遗传 算法和非启发式网格寻优算法对模型进行优化,最终通过对比分析的方式择优选 择出合理的优化方法。 最后,采用对比的方式分别对已建立的两个优化模型进行验证实验,分别在 两个模型的网络训练步长、训练速度、训练精度等方面进行对比分析。并根据同 一方案下两模型的预测数据开展验证实验工作,最终对比分析在两个模型预测数 据指导下的渠道配水精度及节水效果,选择出一种在各方面均相对优秀的优化模 型,作为本次研究的最终模型,作为渠系闸门优化配水的优化理论模型。 长春工程学院工程硕士学位论文 9 第 2 章 模型试验设计 2.1 模型选取 基于前一章对灌区灌溉制度的研究,目前灌区仍存在很多水量浪费现象,灌 区中以往的灌溉管理模式多以管理人员的累积经验为依据。由于东北灌区多为粗 放式管理模式。许多中小型灌区中多存在渠道流量量控设施的不足,弃水现象严 重;渠道防渗措施难以保证,渠道水利用系数偏低;灌溉水量、灌水定额多为经 验控制等现象。 因此,本次试验研究由于实际灌区试验存在量水设施不足的限性、试验范围、 工作时间的局限性及数据的代表性等原因,最终选择模型试验的方式研究。模型 试验研究是以长春工程学院水利馆为试验场地建立相应的渠道模型进行研究,这 样的方式不仅避免了实际灌区试验中可能遇到的局限性操作问题,混凝土衬砌的 渠道模型更克服了灌区中影响试验数据可行性的渗漏因素,在各个方面保证了本 次试验的顺利进行,因此,本次以模型试验的方式进行研究。 实际灌区内干渠下游均分有多条支渠,而本次试验考虑到试验场地及现有试 验条件的限制,室内试验模型无法实现实际灌区的原型缩放,故本模型主要由一 条干渠及两条支渠组成, 支渠选择了两种目前灌区中应用较为广泛的渠道型式 (梯 型渠道、U 型渠道)作为研究代表,并在两个支渠内分别应用了两个新型的机翼 柱型量水槽作为支渠内流量的测量设施,具体模型平面布置如图 2-1 所示。 2.2 试验模型介绍 经过上节对灌区试验和模型试验的综合比选,本次试验最终确定为模型试验 的研究方式。本渠道模型建立于长春工程学院水工程安全与灾害防治实验室(水 利馆)内,模型整体由砖砌结构和水泥砂浆砌筑而成。考虑到渠道底部的比降及 水流对试验场地的侵蚀问题,渠道整体坐落于 60cm 厚的砂垫层基础上,基础两侧 由砖墙围砌,渠道内部采用水泥砂浆护砌的防渗结构。 本次模型主要由一条干渠及两条支渠组成,渠道首末两端均设有回水池。水 流由泵机组从地下水窖引至引水池,再经尾水池回流到水窖内完成水量的循环利 用过程。支渠选择了两种目前灌区中应用较为广泛的渠道型式(梯型渠道、U 型 渠道)作为研究对象,并在两个支渠内分别应用了两个新型的机翼柱型量水槽作 为支渠内流量的测量设施。 长春工程学院工程硕士学位论文 10 图 2-1 渠道模型平面布置图 长春工程学院工程硕士学位论文 11 2.2.1 干渠建筑物干渠建筑物 干渠建筑物主要包括引水管道、蝶阀、电磁流量计、进水池、闸门、干渠及 两支渠闸门上游的水位测点 1、测点 2。 引水管道为内径为 20cm 的钢管,引水管道通过法兰盘与压力管线连接,末端 分别安装用于量测干渠总流量的电磁流量计和用于调节干渠流量的蝶阀。管道末 端连接于渠道边长为 1m 的进水池中,进水池采用砖体砌筑的方式,内设稳水栅。 干渠为 30cm 宽、50cm 高的矩形渠道,渠首于进水池连接处设有一宽 0.6m、 高 0.5m 的平板闸门 1,分别在两个支渠闸门上游设两个用于测量闸门上游水位的 连通筒。 2.2.2 梯型渠道梯型渠道 梯形渠道(渠 1)位于 U 型渠道(渠 2)上游,渠道采用水泥砂浆衬砌的防渗 形式,渠道底宽为 20cm,渠深为 40cm,边坡系数为 1.5,渠道全长 20m,断面示 意图如图 2-1 所示。渠道平均比降为 1/5000。 与干渠相同,梯形渠道(渠 1)渠首处设有一宽 0.6m、高 0.5m 的平板闸门 2, 闸门 2 机架上装有一功率为 180w 的电动机 2,用于调节闸门 2 的开度。电动机受 控与现地控制系统 1。与闸门 2 距 8m 处设有机翼柱型量水槽 1,用于测量梯形渠 道内流量。 (介绍机翼柱型量水槽结构尺寸) 。在闸门 2 下游 3.5m、7m 处分别设置 水位测点 3、测点 4,用于测量闸门 2 下游水位平稳水位和量水槽前用于计量流量 的槽前水位。梯形渠道内水流最终汇于尾水
关 键 词:
基于 神经网络 灌区 闸门 优化 方法 试验 研究
 剑锋文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
关于本文
本文标题:基于神经网络的灌区闸门优化配水方法试验研究
链接地址: //www.wenku365.com/p-34876710.html
关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服点击这里,给剑锋文库发消息,QQ:1290478887 - 联系我们

本站为“文档C2C交易模式”,即用户上传的文档直接卖给(下载)用户,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有【成交的100%(原创)】。本站是网络服务平台方,若您的权利被侵害,侵权客服QQ:1290478887 欢迎举报。

[email protected] 2017-2027 //www.wenku365.com 网站版权所有

粤ICP备19057495号 

收起
展开