文档介绍：供水控制方法及系统的制作方法
专利名称：供水控制方法及系统的制作方法
技术领域：
本发明涉及一种工业化控制系统及方法，特别是涉及一种供水控制方法及系统。
背景技术：
在自来水处理中，由于供水环节存在城市管网复杂且用水情况变化的不确入、单输出的非线性器件；所述供水预测模型建模的网络拓扑结构为三层BP神经网络，所述输入层与输出层之间设置有隐含层；所述隐含层的节点根据输入层的节点数确定并通过增减节点数进行训练对比，神经网络算法中每层的输出函数为输入函数关于该层的激发函数的函数；若所述输出层的输出结果与期望值不符，将输出层的误差转化为各层各个节点的连接权值与阈值，将输出层的误差逐层向输入层反向传递，把误差分摊到各个节点，计算各个节点的參考误差，调整各个节点的连接权值及阈值大小，直到误差最小；所述激励函数为S型函数.
，其特征在于，所述建模步骤进一步包括如下步骤根据供水过程的特性确定供水预测模型的网络拓扑结构，确定供水预测模型的计算參数，并输入或导入历史数据，及对输入或导入的历史数据预处理，根据输入或导入历史数据结合相应的网络拓扑结构进行训练，井根据训练结果确定供水预测模型。
，其特征在于，所述训练过程包括训练精度模式或学****次数模式的任意ー种或多种，所述训练精度模式包括如下步骤根据神经网络的网络拓扑结构计算网络误差、根据网络误差修改网络权重、计算训练过程的总误差、判断总误差是否达到设定精度，当判断没有达到精度时重复上述步骤直至达到精度完成训练；所述学****次数模式包括如下步骤根据网络拓扑结构计算网络误差、根据计算的网络误差修改网络权重、将训练次数加I、判断是否完成训练次数，若判断没有完成训练次数则重复上述步骤直至完成训练次数完成训练；当训练完成确定供水预测模型；所述训练过程采用非线性规划中的最速下降法按误差函数的负梯度方向修正各个节点的权值及误差，误差函数定义为
，其特征在于，所述求解步骤中利用遗传算法进行预测过程中还包括建立供水泵经过一个时间间隔到达蓄水池或水库的供水延迟函数模型，并将上述延迟函数乘以N[T]获得考虑了时间延迟作用的N[T];还包括建立水厂或蓄水机构停止取水状态下水厂或蓄水机构所能維持的时间的供水能力模型；通过全局求最优解的算法寻找X[T]的解空间的最优解，并与遗传算法所求的Χ[Τ]的解对比以验证根据神经网络算法建立的供水预测模型、神经网络算法、遗传算法过程是否有错；求解步骤进一歩包括在遗传算法中初始化供水预测模型并将供水
预测模型转化为遗传算法模型，输入数据，并对数据进行预处理，将数据转化成遗传算法中的染色体模型进行编码，目标函数生成的初始解通过选择算子进行选择计算、交叉算子进行交叉计算、变异算子进行变异计算，反复迭代，直到得到最优解。
，其特征在于，包括 建模模块分析历史数据并建立供水预测模型，建立输入层參数与输出层输出的供水量之间的函数关系； 目标函数建立模块建立供水泵在设定时间内的总的能耗的目标函数与供水泵在设定时间的每个分段子时间上的开合情况的变化序列的函数关系D (X) 聊輯Γ)ΙΤ + Ι;Ι(『卜耶-1|]’其中虹=I，么产帽的时间，T为时间，M (T)为电能消