《系统辨识及其在水电能源中的应用》PDF下载

  • 购买积分:11 如何计算积分?
  • 作  者:张勇传主编
  • 出 版 社:武汉:湖北科学技术出版社
  • 出版年份:2008
  • ISBN:7535239072
  • 页数:253 页
图书介绍:本书系统介绍水电能源系统辨识理论、方法和作者新近的研究成果。包括总体框架、单库和样级水库的非线性实时调节器度函数建立。洪水的分类预测和优化调度,神经网络模型。

第1章 线性回归与随机过程方法 1

1.1 线性回归原理 1

1.1.1 回归模型与最小二乘估计 1

1.1.2 线性检验和置信区间 3

1.1.3 均差法与判定系数 8

1.2 水电站线性调度函数 10

1.2.1 线性调度函数与回归分析 11

1.2.2 相邻时段径流独立条件下的线性调度函数 13

1.2.3 线性决策函数的其他计算方法 16

1.2.4 线性调度函数的综合计算方法 19

1.3 马尔可夫过程 21

1.3.1 马尔可夫(Markov)过程 21

1.3.2 切普曼-柯尔莫哥洛夫方程 22

1.3.3 齐次马氏链 24

1.3.4 遍历性与平稳分布 26

1.4 Markov径流描述 27

1.4.1 时段径流分布律 28

1.4.2 时段相关与条件概率 30

1.4.3 检查径流是否简单马氏链的方法 34

参考文献 36

第2章 时间序列分析 38

2.1 线性平稳ARMA模型 38

2.1.1 线性平稳模型的类别及特征 38

2.1.2 时间序列的预报 43

2.1.3 ARMA模型参数估计 51

2.1.4 模型阶数的确定 64

2.2 简单非平稳、非线性模型 72

2.2.1 ARIMA模型 72

2.2.2 季节性ARIMA模型 77

2.2.3 线性趋势预测技术 79

2.2.4 组合模型 84

2.2.5 门限自回归模型 86

2.3 卡尔曼(Kalman)滤波模型 90

2.3.1 状态空间及状态估计 90

2.3.2 离散时间Kalman滤波 98

2.3.3 多库径流预报模型 103

参考文献 107

第3章 水库系统的辨识型优化调度理论 109

3.1 水库系统辨识型优化调度方法概述 109

3.1.1 辨识型优化调度方法的提出 109

3.1.2 信息结构 117

3.1.3 被测系统和研究对象的预处理 118

3.1.4 模型类的建立和水库调度系统的几种辨识结构 120

3.1.5 最优矩模型及其与串联辨识优化调度的关系 125

3.2 单库的辨识型优化调度 126

3.2.1 高水位原则的表述和初始调度方案 127

3.2.2 减少无益弃水原则和非线性调度函数 131

3.2.3 参数模型类和参数辨识:调度函数的优选 134

3.2.4 数值模拟——回检与最优回检 136

3.3 保证出力的确定 139

3.3.1 保证出力的取值范围 139

3.3.2 保证出力的确定方法 142

3.3.3 引理的证明 146

参考文献 152

第4章 梯级水库辨识型优化调度 155

4.1 梯级水库能的能量增益转换 156

4.1.1 梯级水库的能量增益转换及其转换条件 157

4.1.2 箱库模型及梯级水库的全箱库能增益转换 165

4.2 最优调度函数的确定 169

4.2.1 确定末库容初态 170

4.2.2 联合保证出力的全箱库能增益转换分配技术 172

4.2.3 非线性实时调度函数 175

4.2.4 调度函数的优选——最优调度规则 178

4.2.5 数值模拟——最优回检 179

4.3 定理和公式的证明 183

4.3.1 并联水库能和发电能关系式(4.3)的证明 183

4.3.2 梯级水库能和发电能关系式(4.4)的证明 184

4.3.3 水库蓄能式(4.11)的计算 185

4.3.4 定理4.1的证明 186

4.3.5 梯级水库能箱库分解式(4.17)的证明 190

参考文献 190

第5章 洪水的分类预测与调度 192

5.1 长江中下游流域的洪水分类 192

5.2 洪水的分类预测 197

5.3 防洪实时调度规则的Bayes综合 202

参考文献 206

第6章 神经网络理论及应用 207

6.1 引言 207

6.1.1 神经网络的发展及应用 207

6.1.2 神经网络结构及学习方法 209

6.2 单层前向神经网络 211

6.2.1 线性网络 212

6.2.2 非线性网络 213

6.2.3 单层前向网络的最小二乘分类算法 214

6.3 多层前向神经网络及应用 215

6.3.1 前向多层神经网络的反传学习算法(BP算法) 216

6.3.2 前向多层神经网络在预测中的应用 219

6.4 反馈型神经网络及其应用 221

6.4.1 连续系统神经网络 221

6.4.2 Hopfield人工神经网络在TSP中的应用 223

6.4.3 离散系统神经网络 226

参考文献 229

第7章 混沌理论及分析方法 230

7.1 引言 230

7.2 混沌的数学理论基础 232

7.3 混沌分析原理及方法 234

7.3.1 混沌的基本概念 234

7.3.2 吸引子及其特征描述 236

7.4 混沌预测模型及应用 242

7.4.1 全域预测方法 243

7.4.2 局域预测法 246

7.4.3 相轨迹演化模式算法 248

参考文献 251

后记 253