注冊(cè) | 登錄讀書(shū)好,好讀書(shū),讀好書(shū)!
讀書(shū)網(wǎng)-DuShu.com
當(dāng)前位置: 首頁(yè)出版圖書(shū)科學(xué)技術(shù)工業(yè)技術(shù)水利工程大型水庫(kù)水溫調(diào)控的AI優(yōu)化方法與應(yīng)用

大型水庫(kù)水溫調(diào)控的AI優(yōu)化方法與應(yīng)用

大型水庫(kù)水溫調(diào)控的AI優(yōu)化方法與應(yīng)用

定 價(jià):¥80.00

作 者: 張迪 等著
出版社: 水利水電出版社
叢編項(xiàng): 水科學(xué)博士文庫(kù)
標(biāo) 簽: 暫缺

購(gòu)買(mǎi)這本書(shū)可以去


ISBN: 9787522609072 出版時(shí)間: 2022-09-01 包裝: 平裝-膠訂
開(kāi)本: 16開(kāi) 頁(yè)數(shù): 字?jǐn)?shù):  

內(nèi)容簡(jiǎn)介

  本書(shū)針對(duì)分層取水設(shè)施實(shí)際運(yùn)行管理缺乏科學(xué)指導(dǎo)工具的技術(shù)瓶頸問(wèn)題,以近年來(lái)信息及數(shù)據(jù)處理技術(shù)的迅速發(fā)展為契機(jī),結(jié)合傳統(tǒng)數(shù)值仿真模型和AI算法的優(yōu)勢(shì),探索構(gòu)建了水庫(kù)下泄水溫預(yù)測(cè)模型,開(kāi)展了分層取水設(shè)施運(yùn)行效果評(píng)估及優(yōu)化研究。本書(shū)介紹了大型水庫(kù)分層取水設(shè)施建設(shè)與運(yùn)行情況,闡述了大型水庫(kù)水溫調(diào)控設(shè)施運(yùn)行的AI優(yōu)化理論與方法,并以錦屏一級(jí)水電站為例,論述了該方法在實(shí)際指導(dǎo)分層取水設(shè)施運(yùn)行管理中的有效性。本書(shū)可供從事水工程管理、水生態(tài)環(huán)保等工作的科技工作者參考,也可供相關(guān)專(zhuān)業(yè)的高校師生參考。

作者簡(jiǎn)介

暫缺《大型水庫(kù)水溫調(diào)控的AI優(yōu)化方法與應(yīng)用》作者簡(jiǎn)介

圖書(shū)目錄

前言
第1章  緒論
 1.1  研究背景及意義
 1.2  國(guó)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(shè)施的建設(shè)運(yùn)行情況
   1.2.3  分層取水設(shè)施運(yùn)行管理方法研究
   1.2.4  分層取水設(shè)施運(yùn)行管理存在問(wèn)題
 1.3  AI水溫優(yōu)化調(diào)控理論框架
 1.4  研究?jī)?nèi)容與創(chuàng)新點(diǎn)
   1.4.1  研究?jī)?nèi)容
   1.4.2  創(chuàng)新點(diǎn)
第2章  AI水庫(kù)下泄水溫預(yù)測(cè)模型框架設(shè)計(jì)
 2.1  AI水溫預(yù)測(cè)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(yǔ)言的AI水溫預(yù)測(cè)程序
   2.3.1  數(shù)據(jù)前處理模塊
   2.3.2  AI水溫預(yù)測(cè)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(jié)
第3章  AI模型訓(xùn)練數(shù)據(jù)集構(gòu)建
 3.1  AI模型訓(xùn)練數(shù)據(jù)集形成的總體思路
 3.2  EFDC模型簡(jiǎn)介
   3.2.1  EFDC模型概述
   3.2.2  EFDC主控方程
 3.3  錦屏一級(jí)水電站概況
   3.3.1  水電站基本信息
   3.3.2  分層取水設(shè)施運(yùn)行規(guī)程
 3.4  EFDC模型構(gòu)建
   3.4.1  數(shù)據(jù)資料
   3.4.2  參數(shù)敏感性分析及設(shè)定方案
 3.5  EFDC模型驗(yàn)證
   3.5.1  實(shí)測(cè)水溫與模擬水溫對(duì)比
   3.5.2  水溫時(shí)空分布規(guī)律
 3.6  A1模型的水溫?cái)?shù)據(jù)集形成
 3.7  本章小結(jié)
第4章  AI水庫(kù)水溫預(yù)測(cè)模型應(yīng)用
 4.1  基于AI算法的水庫(kù)下泄水溫模型構(gòu)建
   4.1.1  模型數(shù)據(jù)基礎(chǔ)
   4.1.2  模型精度評(píng)價(jià)指標(biāo)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(luò)模型主要參數(shù)優(yōu)選
 4.2  AI算法在不同疊梁門(mén)調(diào)度方式下的適用性研究
   4.2.1  模擬水溫預(yù)測(cè)結(jié)果分析
   4.2.2  實(shí)測(cè)水溫預(yù)測(cè)結(jié)果分析
 4.3  本章小結(jié)
第5章  水庫(kù)分層取水設(shè)施運(yùn)行效果評(píng)價(jià)體系
 5.1  評(píng)價(jià)指標(biāo)體系框架結(jié)構(gòu)搭建
   5.1.1  評(píng)價(jià)指標(biāo)遴選
   5.1.2  指標(biāo)體系層次結(jié)構(gòu)
 5.2  各評(píng)價(jià)指標(biāo)計(jì)算方法及評(píng)分標(biāo)準(zhǔn)
   5.2.1  各評(píng)價(jià)指標(biāo)計(jì)算方法
   5.2.2  各評(píng)價(jià)指標(biāo)評(píng)分標(biāo)準(zhǔn)
 5.3  各評(píng)價(jià)指標(biāo)權(quán)重確定
   5.3.1  指標(biāo)權(quán)重確定方法
   5.3.2  評(píng)價(jià)指標(biāo)賦權(quán)
 5.4  綜合評(píng)價(jià)
 5.5  本章小結(jié)
第6章  水庫(kù)分層取水設(shè)施運(yùn)行方案優(yōu)化
 6.1  分層取水設(shè)施運(yùn)行方案設(shè)計(jì)
 6.2  不同運(yùn)行方案分層取水效果評(píng)價(jià)
   6.2.1  分層取水設(shè)施運(yùn)行對(duì)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(zhǎng)絲裂腹魚(yú)對(duì)下泄水溫的適宜度
   6.2.4  短須裂腹魚(yú)對(duì)下泄水溫的適宜度
   6.2.5  細(xì)鱗裂腹魚(yú)對(duì)下泄水溫的適宜度
   6.2.6  鱸鯉對(duì)下泄水溫的適宜度
   6.2.7  綜合評(píng)價(jià)
 6.3  分層取水設(shè)施運(yùn)行效果與發(fā)電效益權(quán)衡
 6.4  分層設(shè)施運(yùn)行優(yōu)化方案推薦
   6.4.1  豐水年分層取水設(shè)施運(yùn)行方案優(yōu)化建議
   6.4.2  平水年分層取水設(shè)施運(yùn)行方案優(yōu)化建議
   6.4.3  枯水年分層取水設(shè)施運(yùn)行方案優(yōu)化建議
 6.5  本章小結(jié)
第7章  結(jié)論與展望
 7.1  主要結(jié)論
 7.2  研究展望
參考文獻(xiàn)

本目錄推薦

掃描二維碼
Copyright ? 讀書(shū)網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號(hào) 鄂公網(wǎng)安備 42010302001612號(hào)