基于bp神經(jīng)網(wǎng)絡(luò)篩選水庫防洪調(diào)度方案優(yōu)選指標(biāo)的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及水庫防洪調(diào)度技術(shù)，尤其是一種篩選水庫防洪調(diào)度方案優(yōu)選指標(biāo)的方 法。
【背景技術(shù)】
[0002] 水庫防洪調(diào)度技術(shù)是實(shí)現(xiàn)流域防洪減災(zāi)的重要非工程措施，與社會(huì)、經(jīng)濟(jì)、自然、 生態(tài)等因素密切相關(guān)。目前較為普遍的做法是通過防洪調(diào)度模型生成一組可行的方案集， 由決策者從中選擇一個(gè)綜合權(quán)衡各個(gè)目標(biāo)效益的滿意方案付諸決策，可以歸結(jié)為多屬性決 策問題，也即多方案優(yōu)選問題。
[0003] 現(xiàn)有方法在指標(biāo)的篩選上存在較大的主觀隨意性，普遍缺少對(duì)指標(biāo)相對(duì)重要性程 度和敏感性程度的辨識(shí)過程，指標(biāo)篩選的準(zhǔn)則和相應(yīng)的閾值問題尚未得到有效解決。
[0004] 因此，如何有效辨識(shí)指標(biāo)的相對(duì)重要度和敏感性信息，從龐雜的防洪調(diào)度指標(biāo)體 系中篩選出對(duì)評(píng)價(jià)結(jié)果作用顯著的指標(biāo)用于方案評(píng)價(jià)建模是一個(gè)亟需解決的問題。

【發(fā)明內(nèi)容】

[0005] 發(fā)明目的：一個(gè)目的是提供一種基于BP神經(jīng)網(wǎng)絡(luò)篩選水庫防洪調(diào)度方案優(yōu)選指 標(biāo)的方法，以解決現(xiàn)有技術(shù)存在的上述問題。
[0006] 技術(shù)方案：一種基于BP神經(jīng)網(wǎng)絡(luò)篩選水庫防洪調(diào)度方案優(yōu)選指標(biāo)的方法，包括如 下步驟：
[0007] 步驟1.生成網(wǎng)絡(luò)訓(xùn)練樣本；
[0008] 步驟2.確定BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)；
[0009] 步驟3.訓(xùn)練、檢驗(yàn)所述BP神經(jīng)網(wǎng)絡(luò)；
[0010] 步驟4.辨識(shí)BP神經(jīng)網(wǎng)絡(luò)中各指標(biāo)的重要程度；
[0011] 步驟5.計(jì)算各指標(biāo)值的變化對(duì)結(jié)果影響程度的大小，分析各指標(biāo)值的敏感性；
[0012] 步驟6.確定指標(biāo)篩選的準(zhǔn)則和閾值。
[0013] 優(yōu)選的，所述步驟1進(jìn)一步為：
[0014] 將各個(gè)防洪調(diào)度方案待篩選的指標(biāo)值作為輸入，將最終用于評(píng)判方案優(yōu)劣的綜合 評(píng)判指標(biāo)值作為輸出；其中，所述綜合評(píng)判指標(biāo)值采用基于正、負(fù)理想點(diǎn)概念的多屬性決策 方法求得；采用指標(biāo)值均勻離散化的方法生成網(wǎng)絡(luò)訓(xùn)練樣本。
[0015] 優(yōu)選的，所述步驟1進(jìn)一步包括以下步驟：
[0016] 步驟11.根據(jù)水庫實(shí)時(shí)防洪調(diào)度模型，生成滿足約束條件的防洪調(diào)度方案集：
[0017] Uij I i = 1，2,…，m ;j = 1，2,…，η}，
[0018] 其中i和j分別為方案序號(hào)和指標(biāo)序號(hào)，m和η分別為方案個(gè)數(shù)和待篩選的指標(biāo) 個(gè)數(shù)；
[0019] 步驟12.確定正理想解方案{X/|j = 1，2,…，η}和負(fù)理想解方案Ixj |j = 1，2,…，η};
[0021] 步驟13.采用隨機(jī)模擬的方法生產(chǎn)網(wǎng)絡(luò)訓(xùn)練樣本的輸入項(xiàng)：
[0022] 隨機(jī)生成k個(gè)服從均勻分布的隨機(jī)數(shù)ug~U(0，l)，g= l，2，"*，k，在正、負(fù)理想 方案之間對(duì)各指標(biāo)值進(jìn)行離散化處理，共產(chǎn)生k個(gè)訓(xùn)練樣本的輸入項(xiàng)，k為自然數(shù)，其數(shù)值 根據(jù)實(shí)際的網(wǎng)絡(luò)訓(xùn)練精度要求確定，離散化公式如下所示：
[0023] Xgj= X/-(Xj+-X j ) Xug
[0024] 將正、負(fù)理想方案也取為網(wǎng)絡(luò)訓(xùn)練樣本的兩個(gè)輸入項(xiàng)，則最終生成的網(wǎng)絡(luò)訓(xùn)練樣 本輸入項(xiàng)記為{x t_j 11 = 1，2,…，p ; j = 1，2,…，η}，其中t為樣本序號(hào)，p為樣本容量，p = k+2 ；
[0025] 步驟14.計(jì)算各樣本距離正理想方案和負(fù)理想解方案的歐式距離：
[0027] 式中，dt+為第t個(gè)樣本距正理想方案的歐式距離；d t為第t個(gè)樣本距負(fù)理想方案 的歐式距離；
[0028] 步驟15.計(jì)算貼進(jìn)度系芻
：，Ct的取值范圍為[0,1];
[0029] 步驟16.對(duì)訓(xùn)練樣本{xtj 11 = 1，2,…，p ;j = 1，2,…，η}的輸入項(xiàng)進(jìn)行歸一化處 理：
[0031] 式中，xtjP X t/分別為第t個(gè)樣本中第j個(gè)指標(biāo)的計(jì)算值和歸一化值；X __和X _jmin 分別為第j個(gè)指標(biāo)的最大值和最小值；
[0032] 確定網(wǎng)絡(luò)訓(xùn)練樣本表示為{xt/，ct|t = 1，2,…，p ;j = 1，2,…，n}。
[0033] 優(yōu)選的，所述步驟2進(jìn)一步為：
[0034] 所述BP神經(jīng)網(wǎng)絡(luò)包括輸入層、單隱層和輸出層；
[0035] 其中，輸入層節(jié)點(diǎn)數(shù)為待篩選指標(biāo)的個(gè)數(shù)，輸出層節(jié)點(diǎn)數(shù)為1，隱層節(jié)點(diǎn)數(shù)根據(jù) Lippmann經(jīng)驗(yàn)公式確定；輸入層節(jié)點(diǎn)數(shù)的傳遞函數(shù)為線性函數(shù)，隱層和輸出層的傳遞函數(shù) 采用雙曲正切Sigmoid函數(shù)；
[0036] 按照Delta學(xué)習(xí)規(guī)則對(duì)各層節(jié)點(diǎn)之間的網(wǎng)絡(luò)連接權(quán)值和閾值進(jìn)行調(diào)整，計(jì)算網(wǎng)絡(luò) 全局誤差E :
[0038] Et為第t個(gè)樣本的單樣本網(wǎng)絡(luò)訓(xùn)練誤差；z ,和c ,分別為第t個(gè)樣本的網(wǎng)絡(luò)實(shí)際輸 出值和期望輸出值。
[0039] 優(yōu)選的，所述步驟3進(jìn)一步為：
[0040] 將所述網(wǎng)絡(luò)訓(xùn)練樣本分成兩部分，分別用于網(wǎng)絡(luò)訓(xùn)練和網(wǎng)絡(luò)檢驗(yàn)；
[0041] 設(shè)定BP神經(jīng)網(wǎng)絡(luò)的主要訓(xùn)練參數(shù)，包括學(xué)習(xí)速率和動(dòng)量因子；
[0042] 初始網(wǎng)絡(luò)連接權(quán)值和閾值在區(qū)間（_1，1)內(nèi)隨機(jī)生成；
[0043] 設(shè)定網(wǎng)絡(luò)訓(xùn)練的終止條件；
[0044] 采用DeIta學(xué)習(xí)規(guī)則訓(xùn)練所述BP神經(jīng)網(wǎng)絡(luò)。
[0045] 優(yōu)選的，所述步驟4進(jìn)一步為：
[0046] 定義指標(biāo)的相對(duì)重要度，第j個(gè)指標(biāo)的相對(duì)重要程度記為^ ·
[0048] 式中，N為網(wǎng)絡(luò)訓(xùn)練的次數(shù)；R/為第1次訓(xùn)練中第j個(gè)指標(biāo)的相對(duì)重要度；第j個(gè) 指標(biāo)的相對(duì)重要度&為：
[0050] 式中，w]s為輸入層節(jié)點(diǎn)j和隱層節(jié)點(diǎn)s之間的網(wǎng)絡(luò)連接權(quán)值s為隱層節(jié)點(diǎn)s和 輸出層節(jié)點(diǎn)之間的網(wǎng)絡(luò)連接權(quán)值；η為輸入層節(jié)點(diǎn)數(shù)；h為隱層節(jié)點(diǎn)數(shù)。
[0051] 優(yōu)選的，所述步驟5進(jìn)一步為：
[0052] 計(jì)算每個(gè)指標(biāo)變化對(duì)最終結(jié)果變化的相對(duì)貢獻(xiàn)率，第j個(gè)指標(biāo)的變化對(duì)網(wǎng)絡(luò)輸出 值z(mì)變化的相對(duì)貢獻(xiàn)率記為G j,
[0054] 式中，卩為網(wǎng)絡(luò)實(shí)際輸出值，
為網(wǎng)絡(luò)輸出值z(mì)的絕對(duì)變化量。
[0055] 優(yōu)選的，所述步驟6進(jìn)一步為：
[0056] 計(jì)算綜合判別指標(biāo)Pj，
[0058] 式中，^為全體指標(biāo)F,的平均值，和6,分別為第j個(gè)指標(biāo)的相對(duì)重要度和相對(duì) 貢獻(xiàn)率，|1^Ρ&的取值位于[0, 1]區(qū)間內(nèi)。若P ,> 0,則該指標(biāo)的F ,取值大于平均水平； 若匕< 〇,則該指標(biāo)的F j取值小于平均水平。當(dāng)P -1時(shí)，則該指標(biāo)的F j取值與$相差 一個(gè)量級(jí)以上。
[0059] 實(shí)施本發(fā)明的技術(shù)方案，可獲得以下有益效果：首先，通過指標(biāo)值均勻離散化的方 法生成大量的網(wǎng)絡(luò)訓(xùn)練樣本，有效保證了 BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練精度；其次，基于BP神經(jīng)網(wǎng)絡(luò) 對(duì)信息的存儲(chǔ)和轉(zhuǎn)化機(jī)制，本發(fā)明采用相對(duì)重要度和相對(duì)貢獻(xiàn)率來定量評(píng)估指標(biāo)本身及其 相對(duì)變化對(duì)水庫防洪調(diào)度方案評(píng)價(jià)結(jié)果的影響；最后，通過確立綜合判別指標(biāo)，將指標(biāo)的篩 選從主觀分析判斷過程轉(zhuǎn)化為定量的分析計(jì)算過程。
【附圖說明】
[0060] 圖1 :本發(fā)明的流程圖。
[0061] 圖2 :三層BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)示意圖。
[0062] 圖2中，輸入層節(jié)點(diǎn)的傳遞函數(shù)采用線性函數(shù)，隱層和輸出層節(jié)點(diǎn)的傳遞函數(shù)采 用雙曲正切Sigmoid函數(shù)；η為輸入層節(jié)點(diǎn)數(shù)，h為隱層節(jié)點(diǎn)數(shù)，z為貼近度系數(shù)。
【具體實(shí)施方式】
[0063] 為解決現(xiàn)有技術(shù)存在的上述問題，申請(qǐng)人對(duì)現(xiàn)有技術(shù)進(jìn)行了深入的、具有創(chuàng)造性 的研究工作。
[0064] 申請(qǐng)人認(rèn)為：水庫防洪調(diào)度方案評(píng)價(jià)的指標(biāo)是一系列從不同的目標(biāo)層次和不同的 評(píng)價(jià)角度（例如：水庫安全，下游安全，發(fā)電效益，洪水資源利用效率等）來衡量調(diào)度方案優(yōu) 劣的測(cè)度集合。而方案評(píng)價(jià)實(shí)質(zhì)上是采用一定的數(shù)學(xué)模型將每個(gè)方案的各個(gè)指標(biāo)值整合為 一個(gè)綜合評(píng)價(jià)值，并根據(jù)該綜合評(píng)價(jià)值的大小進(jìn)行方案排序和優(yōu)選。
[0065] 研究發(fā)現(xiàn)現(xiàn)有水庫防洪調(diào)度方案評(píng)價(jià)研究主要側(cè)重于評(píng)價(jià)方法及