[发明专利]一种基于BP神经网络的城市供水调度方法及系统

权利要求书

1.一种基于BP神经网络的城市供水调度方法，其特征在于，具体包括以下步骤：

S1、设置进化代数计数器t＝1，设置最大进化代数T，随机生成M个个体作为初始群体P(0)；

S2、计算群体P(t)中各个个体的适应度，判断迭代次数是否满足收敛条件，即若当前进化代数t大于等于最大进化代数T，则以进化过程中所得到的具有最大适应度个体作为最优解输出，并进行步骤S6，否则进行步骤S3；

S3、对不满足收敛条件的数据进行选择、交叉、变异操作，群体P(t)经过选择、交叉、操作之后得到下一代群体P(t+1)；

S4、根据Metropolis准则抽样新个体，并根据交叉概率和变异概率进行自适应概率抽样；

S5、判断抽样的数据是否稳定，若稳定则对抽样的数据进行退火温度调整，形成下一代种群P(t+2)，令t＝t+2并返回步骤S2；否则返回S4重新抽样；

S6、构建BP神经网络，将遗传算法输出的最优解输入BP神经网络作为初始化权值阈值，将水务公司搜集的水务信息数据，包括近期降水量、气温、水资源总量、人均用水量、工业用水量、农业用水量以及用水总量作为输入；

S7、对BP神经网络进行训练，计算BP神经网络的网络的误差均方和，若网络的误差均方和满足设定阈值，则完成训练；否则更新权值阈值继续训练；

S8、将当前需要预测的地区的水务信息数据输入BP神经网络，BP神经网络即可输出供水调度信息。

2.根据权利要求1所述的一种基于BP神经网络的城市供水调度方法，其特征在于，所述步骤S5包括：

S51、若连续10代个体最优个体适应度值均稳定不变，则根据退火函数选择退火温度，并根据退火模拟算法产生新的群体P(t+2)；退火函数表示为t_k＝t_o(t-k)/c；

S52、若不稳定则根据Metropolis准则抽样新个体，即从P(t+1)中剔除个体a_i，再从P(t+1)中选出个体a_j，计算个体a_i与个体a_j的适应度差，表示为△＝F_i-F_j，再以在当前状态i的情况下、接受新状态j作为当前状态的概率抽样，并返回步骤S51；

其中，t₀为初始温度；t_k表示在当前温度为t的情况下以降温幅度k的退火温度；c为温度下降总次数。

3.根据权利要求2所述的一种基于BP神经网络的城市供水调度方法，其特征在于，Metropolis准则表示为：

其中，P_i→j表示在当前状态i的情况下，接受新状态j作为当前状态的概率。

4.根据权利要求1所述的一种基于BP神经网络的城市供水调度方法，其特征在于，对个体进行选择、交叉、变异操作包括：选择适应度较大的个体以交叉概率P_c对个体进行交叉操作，交叉概率P_c表示为：

以变异概率P_c对个体进行变异操作，变异概率P_c表示为：

其中，P_cmax为交叉概率的最大值；P_cmin为交叉概率的最小值；E为最大进化代数；E_i为当前进化代数；A为经验常数；f'为进行交叉操作的两个个体中适应度值较大的一个；f'_avg为种群中个体适应度的平均值；f_max为种群中个体适应度的最大值；P_mmax为变异概率的最大值；P_mmin为变异概率的最小值。