本书共7章。第1章主要阐述了我国水电发展概况、国内外中长期水文预报及调度研究进展等基础信息。第2章主要结合极端学习机算法和小波分析技术特点提出了耦合模型,并将其应用于月径流预报模型。第3章对一种新的递归神经网络即回声状态网络进行研究,并结合贝叶斯理论和回声状态网络模型特点进行改进,并应用于日径流预报。第4章对差分演化算法进行了改进,并结合并行计算框架进行研究,然后将其应用于梯级水电站群长期优化调度中。第5章围绕远距离、长滞时入流在梯级电站中期调度中存在滞时电量问题进行研究,建立了考虑滞时电量的水电系统中期期末蓄能最大模型,并给出了求解方法。第6章围绕中长期水文及调度系统,主要从系统设计及其实现方式方面进行论述,并给出了应用实例。第7章对全文进行总结和展望。
前言
第1章 绪论
1.1 研究背景及意义
1.2 中长期径流预报研究进展
1.3 水电站群调度方法研究进展
1.4 并行计算在水文水资源领域中的应用
1.5 面临的关键技术问题
1.6 本书主要研究思路与内容
第2章 基于极端学习机算法的小波神经网络月径流预报模型
2.1 引言
2.2 前馈神经网络及其传统梯度下降算法存在的问题
2.3 基于极端学习机算法的小波神经网络月径流预报模型
2.4 模型评价指标
2.5 应用实例
2.6 小结
第3章 基于贝叶斯回声状态网络的日径流预报模型
3.1 引言
3.2 传统递归神经网络及其常用算法存在的问题
3.3 回声状态网络
3.4 贝叶斯回声状态网络模型
3.5 模型评价指标
3.6 应用实例
3.7 小结
第4章 梯级水电站群长期优化调度并行混合差分演化算法
4.1 引言
4.2 长期优化调度问题描述
4.3 标准差分演化算法
4.4 标准差分演化算法改进策略
4.5 基于Fork／Join并行框架的多核并行混沌模拟退火差分演化算法(PCSADE)
4.6 CSADE算法标准函数测试及性能分析
4.7 应用实例
4.8 小结
第5章 考虑滞时电量的水电系统中期期末蓄能最大模型及求解方法
5.1 引言
5.2 中期调度问题描述
5.3 模型求解策略
5.4 应用实例
5.5 小结
第6章 中长期水文预报及调度系统设计与实现
6.1 引言
6.2 系统设计
6.3 系统实现方式
6.4 系统应用实例
6.5 小结
第7章 结论与展望
7.1 结论
7.2 展望
附录 标准测试函数
参考文献
