基于尖峰自组织模糊神经网络的短期需水量预测

发布时间：2020-08-09 10:33

【摘要】：随着城市规模的不断扩大和居民生活水平的不断提高,城市用水量的需求不断增大,供水管网持续稳定安全运行成为保证社会生产和市民生活的必要前提。同时,环境污染严重、能源与水资源日益短缺的现状,在降低能耗、减少漏损方面对城市给水管网的运行管理提出了更高的要求。需水量预测研究是保证供水管网优化运行的重要环节和基本前提,其预测精度将直接影响供水优化调度的有效性和可靠性。针对城市需水量影响因素众多、非线性高、模糊性强、随机性大的特点,本文提出了基于尖峰自组织模糊神经网络(spiking self-organizing fuzzy neural network,SSOFNN)的预测模型,实现短期需水量预测。本论文主要研究工作包括以下几点:1.为了取得更准确有效的需水量预测结果,在神经网络优化设计的参数训练方面,本文采用改进LM算法(improved Levenberg-Marquadt,ILM)作为模糊神经网络的学习算法。二阶LM(Levenberg-Marquadt)算法解决了一阶算法容易陷入局部最小和随机算法收敛速度慢的问题,但在大数据样本应用时依然存在计算负担重、存储空间大的问题。ILM算法则通过优化计算流程,以计算梯度向量和拟海森矩阵的方式代替Jacobian矩阵的乘法计算,通过对比实验证明,ILM算法能够提高神经网络的学习效率,节约计算存储空间。2.针对固定结构的模糊神经网络隐含层神经元个数难以确定,以及网络结构无法根据数据规模在线调整的问题,本文设计出一种尖峰自组织模糊神经网络模型。采用基于大脑皮层信息传递模式和Spiking神经元积累触发(Integrate-andFire,IF)模型提出的尖峰机制,完成模糊神经网络的结构增长和修剪,实现训练过程中的网络结构动态调整,提高了模糊神经网络在需水量预测应用中的性能。3.建立了基于尖峰自组织模糊神经网络的短期需水量预测模型。通过主成分分析(principal component analysis,PCA)对多个短期需水量影响因素进行降维处理,获取线性无关的主成分变量作为预测模型的输入数据。城市需水量的影响因素复杂多变,相互耦合,选取合适的辅助变量是获得准确合理的预测结果的重要前提。文中通过主成分分析处理11个初步确定的气象、日类型等影响因子,以获取包含原始数据绝大部分信息的主成分变量,进行短期需水量预测。在此基础上,通过ILM算法进行模糊神经网络参数训练,通过尖峰机制调整网络结构,建立基于SSOFNN的短期需水量预测模型,以北京某高校的日用水量数据作为实例设计仿真实验,实验结果表明,该预测模型预测精度较高,收敛速度较快。4.设计开发了一款给水管网智能监管平台,包括用水实时监测模块、用水统计分析模块以及需水量预测模块。该平台包括前后端两个子系统,前端采用Vue.js和Elements UI组件库实现用户界面设计及数据展示,后端采用Spring、Mybatis等主流框架实现数据传输及逻辑处理,嵌入本文提出的SSOFNN需水量预测模型,实现给水管网的智能监管。
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TV213.4;TP183
【图文】：

神经元,规则化,糊化,高斯函数

输入层 RBF层规则化层输出层图 2-1 模糊神经网络结构图Fig.2-1 The structure of fuzzy neural network。该层有k 个神经元，每个神经元的输, 1,2, , i ix u i k。采用高斯函数计算各神经元的隶属度糊化处理。每个 RBF 神经元代表模糊规量相同。第 j 个神经元的输出j 为： 2 22 212 21, 1, 2, ,ki ij i ijij iijx c x ckjie e j P 该层第 j个神经元中属于第i个隶属函数层。该层和 RBF 层一样有P 个神经元，

尖峰,隐含层,神经元,强度

GND1GND2图 3-1 IF 模型等效电路图Fig.3-1 The equivalent circuit diagram of IF model组织模糊神经网络的结构调整算法型中神经元膜电位随时间变化的特点，神经网络隐为 lnln 1sinjjtkss ke j 个神经元的输出值，为小的正值常量，k 、k 和层神经元的尖峰强度与输出值 0 1 j 变化曲线

系统首页Fig.5-3Thehomepageofthewebsite

【参考文献】