1計算智能簡介
計算智能以不確定性、非線性和時間不可逆性為特征，以復雜問題為計算對象。它是現代數學和計算機發展的產物，主要對常規方法無法解決的問題進行運算。傳統的人工智能基於符號處理機制，在知識表達、信息處理和解決組合問題方面的表現並不理想。因此，研究新的解決方案，提高人工智能的靈活性和準確性[1]。模糊系統在描述和經驗學習方面有很好的應用；神經網絡可以從網絡數據中學習經驗和技能；進化計算能夠對復雜問題提出最佳解決方案，具有很高的穩定性和優化性。模糊系統在推理能力上優於神經網絡和進化計算，而進化計算和神經網絡在學習和搜索功能上優於模糊系統。進化計算在搜索範圍和適應性上優於神經網絡，但神經網絡在優化和學習能力上優於進化計算[2]。計算智能包括三個部分:模糊系統、神經網絡和進化計算。雖然三種技術不同，但是兩者結合產生的碰撞帶來了新的機遇。
計算智能在水利水電工程中的應用
2.1長期徑流預測
隨著現代生產的發展和經濟活動的需求，各國都加強了對天氣的研究和探測。20世紀70年代以來，我國氣象研究從短期數值天氣預報發展到中期預報。但由於大氣運動的“不確定性”和“決定性”的雙重性，其動力學研究方法和統計學方法壹方面需要預測大氣活動，而統計學和動力學相結合的計算方法可以說是壹種比較理想的研究方法[3]。但由於預測值的差異，預測結果集被鏟掉，結果集中包含真實結果。在預測結果集中選擇正確的結果需要平滑集合均值，消除集合成員間的隨機誤差，以便分析真實的結果。在可能的誤差範圍內，根據計算智能系統提供的信息進行科學決策，以突出計算智能的統計特性。長期水文預報是氣象學發展中壹個較新的研究領域。隨著國內許多研究的分析，也取得了壹定的進展，但長期水文過程的物理機制還沒有搞清楚。結合長期水文的區域性和非絕熱特性，我國長期水文預報存在三個主要問題:
(1)水文部門過去長期模仿氣象部門的預報方法，但氣象部門的長期預報采用了較大的時間尺度和空間尺度，因此無法在水文部門的長期預報中發揮有效作用[4]。
(2)水文部門在長期預報中經常使用統計方法。主要是因為水文部門對天氣學方法、能量學方法和動力學研究很少。
(3)單純的統計方法精度較低，所以目前水文部門收集和供應的是以物理分析為基礎，結合具有物理意義的氣象因素，運用大量數據和統計方法的長期水文預報系統。計算智能是壹種用於長期水文預報的新方法。其神經網絡是基於連接理論的智能仿生模型，是由大量神經元組成的非線性動態系統。它具有高度的組織性、自處理性、適應性和應用性。它具有生物神經網絡的壹些特性，可以自我學習。因此，可應用於各種水利水電工程。相關文獻指出，神經網絡可以為水文水資源問題的研究提供新的研究方向，通過三層BP網絡模型結構和參數的線性最小二乘單純形法，可以滿足水利水電工程水文預報的需要。蘭州水電站已利用神經網絡進行月徑流預測，應用結果表明，神經網絡在水文預報中具有良好的應用效果，其效益高於多元回歸計算方法[5]。
2.2尾水管壓力波動分析
在機械設備的檢測和故障診斷中，常常以振動信號作為參考數據，改變信號的頻率和頻帶，然後將這些改變的值輸入到診斷系統中，得到設備的運行情況。快速傅立葉變換(FFT)是現代水利水電工程中廣泛使用的信號特征分析方法。它的主要問題是只能對平穩信號做出準確的判斷，而不能在波動較大的信號中有效地分析其變化規律。小波變化可以反映為母小波在任意信號頻率下的變化，從而得到小波變化的基函數，得到相應的信息。神經網絡具有大規模並行、分布式存儲和處理、組織、適應性和自學習能力，能夠同時處理多種因素和條件、不確定和模糊信息問題。將小波包的時頻局部化分析能力和最大熵譜估計的頻譜細化優勢應用於水輪機軸系的動態特征信息中。
更多工程/服務/采購招標信息，提高中標率，可點擊官網客服底部免費咨詢:/#/？source=bdzd