发明名称 |
一种基于遗传神经网络模型的正常蓄水位智能优选方法 |
摘要 |
本发明公开了一种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)确定正常蓄水位的高低限值;2)提出蓄水位预值高程,对面积和体积指标进行获取,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样本,对训练样本及测试样本进行归一化处理;5)确定BP网络学结构和初始化遗传算法种群;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。本发明在水利水电工程建设领域具有重要的实际应用价值,有效减少了人为主观因素的影响,提高了指标权重确定的客观程度。 |
申请公布号 |
CN103426027B |
申请公布日期 |
2016.01.20 |
申请号 |
CN201310317544.6 |
申请日期 |
2013.07.24 |
申请人 |
浙江大学 |
发明人 |
刘仁义;张丰;杜震洪;郜美娜;郑晔;郑少楠 |
分类号 |
G06N3/08(2006.01)I;G06N3/12(2006.01)I |
主分类号 |
G06N3/08(2006.01)I |
代理机构 |
杭州求是专利事务所有限公司 33200 |
代理人 |
张法高 |
主权项 |
一种基于遗传神经网络模型的正常蓄水位智能优选方法,其特征在于包括如下步骤: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。 |
地址 |
310027 浙江省杭州市西湖区浙大路38号 |