摘要 | 第1-5页 |
Abstract | 第5-10页 |
1 绪论 | 第10-26页 |
·选题背景和研究意义 | 第10-11页 |
·水文模型优化率定及不确定性分析方法研究综述 | 第11-17页 |
·水文模型优化率定研究进展 | 第11-14页 |
·水文模型不确定性分析研究进展 | 第14-17页 |
·水电站(群)优化调度研究综述 | 第17-23页 |
·水电站水库(群)优化调度常规算法 | 第17-20页 |
·水电站水库(群)优化调度智能算法 | 第20-23页 |
·本文主要研究内容 | 第23-26页 |
2 水文模型参数多目标优化率定的 SCE-UA算法和遗传算法 | 第26-43页 |
·引言 | 第26-27页 |
·三水源新安江模型及其参数 | 第27-28页 |
·参数率定算法 | 第28-31页 |
·SCE-UA算法 | 第28-29页 |
·遗传算法 | 第29-31页 |
·多目标模糊优选 | 第31-33页 |
·连续降雨径流模拟情况下的参数率定 | 第33-37页 |
·优化率定目标函数 | 第33-34页 |
·应用实例 | 第34-37页 |
·水文事件模拟情况下的参数率定 | 第37-41页 |
·优化目标 | 第37-38页 |
·应用实例 | 第38-41页 |
·结论 | 第41-43页 |
3 水文模型参数优化率定的并行进化算法 | 第43-62页 |
·引言 | 第43-44页 |
·集群计算技术简介 | 第44-45页 |
·基于并行遗传算法的新安江模型参数率定方法 | 第45-53页 |
·并行遗传算法 | 第45-47页 |
·粗粒度并行遗传算法实现模型 | 第47-53页 |
·新安江模型参数率定的并行 SCE-UA算法 | 第53-57页 |
·应用和结果 | 第57-61页 |
·结论 | 第61-62页 |
4 新安江模型参数的模糊优选 GLUE不确定性分析方法 | 第62-79页 |
·引言 | 第62-63页 |
·水文模型不确定性分析方法 | 第63-68页 |
·贝叶斯理论 | 第63-64页 |
·BaRE方法 | 第64-65页 |
·马尔可夫链蒙特卡罗方法 | 第65-67页 |
·GLUE方法 | 第67-68页 |
·其他水文模型不确定性分析方法 | 第68页 |
·新安江模型的 GLUE不确定性分析 | 第68-78页 |
·连续模拟情况下的不确定性分析 | 第68-74页 |
·场次洪水模拟情况下的模糊优选不确定性分析 | 第74-78页 |
·结论 | 第78-79页 |
5 水电站水库调度的模糊随机动态规划方法 | 第79-95页 |
·引言 | 第79-80页 |
·不确定优化 | 第80-82页 |
·随机动态规划法 | 第82-85页 |
·水电站水库调度随机动态规划模型 | 第82-84页 |
·模拟调度计算程序 | 第84-85页 |
·水电站水库模糊随机动态规划(FSDP) | 第85-91页 |
·库容和入库流量的模糊变量表示 | 第85-86页 |
·模糊概率理论 | 第86-90页 |
·水电站调度的模糊随机动态规划模型 | 第90-91页 |
·模拟调度计算程序 | 第91页 |
·应用实例 | 第91-94页 |
·基本资料 | 第91-92页 |
·模拟调度计算结果 | 第92-94页 |
·结论 | 第94-95页 |
6 水电站群优化调度的两阶段粒子群算法 | 第95-112页 |
·引言 | 第95-96页 |
·群体智能和粒子群优化算法 | 第96-100页 |
·群体智能简介 | 第96-97页 |
·粒子群优化算法简介 | 第97-100页 |
·水电站群优化调度的两阶段粒子群优化算法 | 第100-102页 |
·水电站群优化调度数学模型 | 第100-101页 |
·两阶段粒子群优化算法的求解过程 | 第101-102页 |
·应用实例 | 第102-111页 |
·基本资料 | 第102-104页 |
·应用结果 | 第104-110页 |
·算法性能分析 | 第110-111页 |
·结论 | 第111-112页 |
7 总结与展望 | 第112-114页 |
·全文总结 | 第112-113页 |
·展望 | 第113-114页 |
参考文献 | 第114-121页 |
创新点摘要 | 第121-122页 |
作者在攻读博士学位期间参加课题和发表论文情况 | 第122-124页 |
Ⅰ 参加课题 | 第122页 |
Ⅱ 发表论文 | 第122-124页 |
致谢 | 第124-125页 |
大连理工大学学位论文版权使用授权书 | 第125页 |