协同演化免疫算法提取水库调度规则研究

从复杂适应系统角度探讨了水库调度的复杂性,分析比较了水库调度规则提取过程与人体免疫反应中抗体种群协同演化的相似性,提出了基于协同演化人工免疫系统(CoEISM)水库调度规则提取模型,并应用于某水库供水调度规则提取,所获规则对训练与检验样本识别率分别为92.5%和84.4%,缺水指数为2.23(1014m6),与神经网络(RBF)提取结果相当。进一步研究表明,CoEISM用于水库调度规则提取是可行、有效的,不仅所获规则易于理解,能提供更为丰富的决策信息;而且调度规则自适应调整有利于调度人员做出适应调度环境变化的水库蓄泄决策。     

基于数据挖掘的水库供水调度规则提取

以供水调度为例对数据挖掘用于水库调度规则提取进行了研究.经分析主要选取了水库蓄水量、调度时段编号、需水量、径流量和水文年型5个特征属性构成数据集,通过数据挖掘从中发掘水库供水调度规则模式.采用径向基函数网络作为数据挖掘算法,将复杂的属性空间上的数据样本,映射为几种离散的供水调度模式,从而完成供水调度规则的模式划分.为了验证数据挖掘方法在调度规则提取上的效果,给出了调度图和调度函数方法用于供水调度的计算结果,三种方法的调度结果对比分析显示,数据挖掘方法在供水调度模式分类正确率和缺水指数两方面都是最好的,这反映出数据挖掘方法用于水库调度是合理有效的.     

人工免疫识别系统提取水库供水调度规则的性能分析

以北方某供水水库为例, 将人工免疫识别系统(Artificial immunerecognition system,AIRS)作为一种新兴数据挖掘方法用于水库调度规则提取研究,所获调度规则对检验样本的分类精度为86.1%,缺水指数为2.14(10¹⁴m⁶, 优于RBF提取调度规则的结果.进一步从调度规则与训练、检验样本之间的距离分布间接分析了在水库调度特征属性构成的高维非线性决策空间中亲和力测度方法、学习样本空间分布以及追加样本对AIRS提取供水调度规则的行为与性能的影响. 结果表明, ①HVDM(Heterogeneous value differencemetric)距离测度方法能融入调度决策先验知识,使AIRS提取的规则在空间分布上更接近训练、检验样本;②所获规则分类性能不仅取决于训练样本空间分布,也取决于检验样本的空间分布;③追加近期调度资料可以不断更新或补充规则,使其空间分布更适应未来水文环境变化.     

基于LCS的水库供水规则分类系统

建立了基于遗传学习分类器系统(LCS)的水库供水规则分类系统,通过信任分配(桶链算法,BBA)与规则发现(遗传算法,GA)机制进行学习,提取水库供水调度规则.实例研究得到学习样本识别率接近95%,检验样本识别率为85%.进一步从调度规则的合理性、学习样本对规则集的影响以及该分类系统与人工神经网络对规则提取结果的比较这3个方面分析了系统提取规则的性能与行为.研究表明,利用该分类系统提取水库供水调度规则是可行且有效的.