大型水庫水溫調(diào)控的AI優(yōu)化方法與應用

前言
第1章  緒論
 1.1  研究背景及意義
 1.2  國內(nèi)外研究現(xiàn)狀
   1.2.1  水溫影響減緩措施
   1.2.2  分層取水設施的建設運行情況
   1.2.3  分層取水設施運行管理方法研究
   1.2.4  分層取水設施運行管理存在問題
 1.3  AI水溫優(yōu)化調(diào)控理論框架
 1.4  研究內(nèi)容與創(chuàng)新點
   1.4.1  研究內(nèi)容
   1.4.2  創(chuàng)新點
第2章  AI水庫下泄水溫預測模型框架設計
 2.1  AI水溫預測概念模型
 2.2  AI算法原理
   2.2.1  SVR算法介紹
   2.2.2  BP算法介紹
   2.2.3  RNN及其衍生算法介紹
 2.3  基于Python語言的AI水溫預測程序
   2.3.1  數(shù)據(jù)前處理模塊
   2.3.2  AI水溫預測模塊
   2.3.3  數(shù)據(jù)后處理模塊
   2.3.4  其他功能模塊
 2.4  本章小結
第3章  AI模型訓練數(shù)據(jù)集構建
 3.1  AI模型訓練數(shù)據(jù)集形成的總體思路
 3.2  EFDC模型簡介
   3.2.1  EFDC模型概述
   3.2.2  EFDC主控方程
 3.3  錦屏一級水電站概況
   3.3.1  水電站基本信息
   3.3.2  分層取水設施運行規(guī)程
 3.4  EFDC模型構建
   3.4.1  數(shù)據(jù)資料
   3.4.2  參數(shù)敏感性分析及設定方案
 3.5  EFDC模型驗證
   3.5.1  實測水溫與模擬水溫對比
   3.5.2  水溫時空分布規(guī)律
 3.6  A1模型的水溫數(shù)據(jù)集形成
 3.7  本章小結
第4章  AI水庫水溫預測模型應用
 4.1  基于AI算法的水庫下泄水溫模型構建
   4.1.1  模型數(shù)據(jù)基礎
   4.1.2  模型精度評價指標選取
   4.1.3  輸入因子的二次篩選
   4.1.4  SVR模型參數(shù)優(yōu)選
   4.1.5  神經(jīng)網(wǎng)絡模型主要參數(shù)優(yōu)選
 4.2  AI算法在不同疊梁門調(diào)度方式下的適用性研究
   4.2.1  模擬水溫預測結果分析
   4.2.2  實測水溫預測結果分析
 4.3  本章小結
第5章  水庫分層取水設施運行效果評價體系
 5.1  評價指標體系框架結構搭建
   5.1.1  評價指標遴選
   5.1.2  指標體系層次結構
 5.2  各評價指標計算方法及評分標準
   5.2.1  各評價指標計算方法
   5.2.2  各評價指標評分標準
 5.3  各評價指標權重確定
   5.3.1  指標權重確定方法
   5.3.2  評價指標賦權
 5.4  綜合評價
 5.5  本章小結
第6章  水庫分層取水設施運行方案優(yōu)化
 6.1  分層取水設施運行方案設計
 6.2  不同運行方案分層取水效果評價
   6.2.1  分層取水設施運行對下泄水溫的提高度
   6.2.2  下泄水溫與歷史同期水溫的接近度
   6.2.3  長絲裂腹魚對下泄水溫的適宜度
   6.2.4  短須裂腹魚對下泄水溫的適宜度
   6.2.5  細鱗裂腹魚對下泄水溫的適宜度
   6.2.6  鱸鯉對下泄水溫的適宜度
   6.2.7  綜合評價
 6.3  分層取水設施運行效果與發(fā)電效益權衡
 6.4  分層設施運行優(yōu)化方案推薦
   6.4.1  豐水年分層取水設施運行方案優(yōu)化建議
   6.4.2  平水年分層取水設施運行方案優(yōu)化建議
   6.4.3  枯水年分層取水設施運行方案優(yōu)化建議
 6.5  本章小結
第7章  結論與展望
 7.1  主要結論
 7.2  研究展望
參考文獻