城市供水系统两级优化调度研究
摘要 | 第4-5页 |
abstract | 第5-6页 |
第一章 绪论 | 第10-16页 |
1.1 课题研究背景 | 第10-11页 |
1.1.1 课题的提出及意义 | 第10页 |
1.1.2 管网模型在供水企业优化调度中的运用 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 供水管网模型研究 | 第11-12页 |
1.2.2 供水管网优化运行研究 | 第12-13页 |
1.2.3 泵站站内优化调度研究 | 第13页 |
1.3 研究内容与技术路线 | 第13-16页 |
1.3.1 主要研究内容 | 第13-14页 |
1.3.2 章节安排与技术路线 | 第14-16页 |
第二章 城市用水量预测模型 | 第16-26页 |
2.1 常用的水量预测方法 | 第16-19页 |
2.1.1 时间序列分析法 | 第16-17页 |
2.1.2 回归分析法 | 第17-18页 |
2.1.3 智能算法模型 | 第18-19页 |
2.2 SVM模型基本原理 | 第19-23页 |
2.2.1 基本概念 | 第19-20页 |
2.2.2 算法推导 | 第20-22页 |
2.2.3 最小二乘支持向量回归模型 | 第22-23页 |
2.3 时用水量预测模型的建立 | 第23-25页 |
2.3.1 水量变化规律分析 | 第23页 |
2.3.2 模型建立与精度测试 | 第23-25页 |
2.4 本章小结 | 第25-26页 |
第三章 人工神经网络与管网宏观模型 | 第26-41页 |
3.1 人工神经网络的基本理论 | 第26-31页 |
3.1.1 起源与发展 | 第26页 |
3.1.2 人工神经元模型的基本原理 | 第26-28页 |
3.1.3 网络的建立与运行过程 | 第28-29页 |
3.1.4 神经网络的分类 | 第29-30页 |
3.1.5 特点和应用前景 | 第30-31页 |
3.2 BP神经网络算法实现 | 第31-36页 |
3.2.1 BP神经网络的基本概念 | 第31-32页 |
3.2.2 BP神经网络的数学原理 | 第32-34页 |
3.2.3 BP神经网络的程序实现 | 第34-36页 |
3.3 管网宏观模型与优化调度模型 | 第36-40页 |
3.3.1 管网宏观模型原理 | 第36-37页 |
3.3.2 城市用水量变化规律 | 第37页 |
3.3.3 分时段管网宏观模型 | 第37-38页 |
3.3.4 优化模型建立与求解 | 第38-40页 |
3.4 本章小结 | 第40-41页 |
第四章 遗传算法与泵站优化调度模型 | 第41-55页 |
4.1 遗传算法的基本理论 | 第41-48页 |
4.1.1 寻优问题的提出 | 第41-42页 |
4.1.2 遗传算法的基本原理 | 第42-45页 |
4.1.3 遗传算法的运行过程 | 第45-47页 |
4.1.4 遗传算法的特点及应用 | 第47-48页 |
4.2 泵站优化调度模型 | 第48-54页 |
4.2.1 泵站优化调度原理 | 第48-49页 |
4.2.2 水泵运行特性曲线的拟合 | 第49-50页 |
4.2.3 水泵并联运行工况分析 | 第50-51页 |
4.2.4 调速泵调流范围分析 | 第51-52页 |
4.2.5 优化模型的建立与求解 | 第52-54页 |
4.3 本章小结 | 第54-55页 |
第五章 优化调度实例研究 | 第55-69页 |
5.1 研究区给水系统概况 | 第55-58页 |
5.1.1 沧州市供水系统概况 | 第55-56页 |
5.1.2 管网测压点布置情况 | 第56-57页 |
5.1.3 时用水量预测效果分析 | 第57-58页 |
5.2 一级优化调度模型 | 第58-63页 |
5.2.1 管网压力监测点的选取 | 第58-59页 |
5.2.2 管网宏观模型的建立 | 第59-61页 |
5.2.3 一级优化调度模型求解 | 第61-62页 |
5.2.4 一级优化效果分析 | 第62-63页 |
5.3 二级优化调度模型 | 第63-67页 |
5.3.1 水泵特性曲线的确定 | 第63-65页 |
5.3.2 二级优化调度模型求解 | 第65-66页 |
5.3.3 二级优化效果分析 | 第66-67页 |
5.4 本章小结 | 第67-69页 |
第六章 结论与展望 | 第69-71页 |
参考文献 | 第71-75页 |
攻读学位期间取得的研究成果 | 第75-76页 |
致谢 | 第76页 |