人工神经网络在供水优化调度中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题的背景与意义 | 第9-13页 |
| ·相关研究领域及其发展现状 | 第13-15页 |
| ·微观模型 | 第13-14页 |
| ·宏观模型 | 第14-15页 |
| ·论文的主要内容与结构组织 | 第15-16页 |
| 第2章 供水管网SCADA系统 | 第16-25页 |
| ·系统概况 | 第16-17页 |
| ·系统简介 | 第17-23页 |
| ·系统构成 | 第17-18页 |
| ·系统功能 | 第18-23页 |
| ·实时展示系统 | 第18-19页 |
| ·生产数据分析管理平台 | 第19-23页 |
| ·系统的远期目标 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 城市用水量预测模型 | 第25-37页 |
| ·常用的水量预测方法 | 第25-26页 |
| ·BP神经网络介绍 | 第26-31页 |
| ·BP神经网络变量描述 | 第27-28页 |
| ·BP学习算法 | 第28-29页 |
| ·BP算法程序实现 | 第29-31页 |
| ·标准BP算法改进 | 第31页 |
| ·城市时用水量的预计模型 | 第31-34页 |
| ·时用水量预计模型训练 | 第32-33页 |
| ·时用水量预计模型测试 | 第33-34页 |
| ·泵站总用水量与时用水量比例 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 供水系统管网模型 | 第37-49页 |
| ·城市供水管网的常用模型 | 第37-38页 |
| ·管网平差模型 | 第37页 |
| ·比例负荷模型 | 第37-38页 |
| ·半理论增广混合回归模型 | 第38页 |
| ·神经网络模型 | 第38页 |
| ·基于BP神经网络的供水管网模型 | 第38-39页 |
| ·水厂泵站出口压力模型 | 第38-39页 |
| ·测压点压力模型 | 第39页 |
| ·供水管网模型测试 | 第39-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 供水系统优化调度 | 第49-57页 |
| ·供水系统优化调度模型建立 | 第49-51页 |
| ·确定决策变量 | 第49-50页 |
| ·构造所有目标函数和约束函数 | 第50页 |
| ·确定约束条件 | 第50-51页 |
| ·优化调度模型求解 | 第51-55页 |
| ·无约束问题转化 | 第51-53页 |
| ·遗传算法求解最优方程 | 第53-55页 |
| ·二级优化调度 | 第55-56页 |
| ·恒速泵优化 | 第55页 |
| ·变速泵优化 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 优化调度模型的测试与分析 | 第57-65页 |
| ·优化调度结果测试 | 第57-62页 |
| ·约束条件满足情况 | 第57-61页 |
| ·测压点水压条件 | 第57-60页 |
| ·总供水量条件 | 第60页 |
| ·泵站总供水量条件 | 第60-61页 |
| ·生产成本优化结果 | 第61-62页 |
| ·供水优化系统设计 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第7章 总结与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
