《系統辨識及其在水電能源中的套用》系統地介紹了水電能源系統辨識理論、方法和作者新近的研究成果。全書分為7章，第l章、第2章包括確定調度函式的回歸分析方法、徑流的Marko、描述、時間序列分析及其在水電能源系統中的套用；第3章、第4章為辨識型水庫最佳化調度方法介紹，包括總體框架、單庫和梯級水庫的非線性實時調度函式建立；第5章是洪水的分類預測和院化調度；第6章為神經網路模型；第7辛為混沌理論及套用。《系統辨識及其在水電能源中的套用》適用於水電能源規劃調受與管理的科技工作者、研究人員、工程技術人員和大專院校相關教師、研究生。
基本介紹
- 書名：系統辨識及其在水電能源中的套用
- 出版社：湖北科學技術
- 頁數：253頁
- ISBN：9787535239075, 7535239072
- 作者：張勇傳
- 出版日期：2008年1月1日
- 語種：簡體中文
- 品牌：湖北科學技術出版社
基本介紹,內容簡介,作者簡介,圖書目錄,
基本介紹
內容簡介
《系統辨識及其在水電能源中的套用》以清江水布埡-隔河岩-高壩洲梯級水庫系統、長江三峽工程防洪系統的研究工作為背景，立足於解決水電能源系統實際問題，力求理論與實際相結合，介紹了在水電能源系統辨識理論和方法研究方面最新取得的成果。
作者簡介
張勇傳，男，1935年生，河南南陽人。1957年畢業於華中工學院，留校工作至今。1984年榮獲國家有突出貢獻的中青年專家，1997年當選中國工程院院士，現任華中科技大學校學術委員會副主任、華中科技大學水電與數位化工程學院名譽院長，華中科技大學文華學院院長。
長期從事水資源、電力領域的教學科研工作，為現代水庫運行理論的創立作出了突出貢獻；在水庫運行基礎理論、規劃決策與洪水風險管理、電力系統和水電站計算機仿真控制、電力系統工程隨機決策領域取得了重要突破；研究成果已成功地套用於生產實際。目前他又率先提出了數字流域的新概念，並著手流域數位化領域的工程項目和系統的理論研究。
科研成果獲國家科技進步一、二、三等獎和省部級一、二等獎計11項；出版《水電站水庫調度》等著作10多部，學術專著《水電能最佳化管理》一書曾獲全國優秀圖書二等獎；發表論文150餘篇。
長期從事水資源、電力領域的教學科研工作，為現代水庫運行理論的創立作出了突出貢獻；在水庫運行基礎理論、規劃決策與洪水風險管理、電力系統和水電站計算機仿真控制、電力系統工程隨機決策領域取得了重要突破；研究成果已成功地套用於生產實際。目前他又率先提出了數字流域的新概念，並著手流域數位化領域的工程項目和系統的理論研究。
科研成果獲國家科技進步一、二、三等獎和省部級一、二等獎計11項；出版《水電站水庫調度》等著作10多部，學術專著《水電能最佳化管理》一書曾獲全國優秀圖書二等獎；發表論文150餘篇。
圖書目錄
總序
前言
第1章 線性回歸與隨機過程方法
1.1 線性回歸原理
1.1.1 回歸模型與最小二乘估計
1.1.2 線性檢驗和置信區間
1.1.3 均差法與判定係數
1.2 水電站線性調度函式
1.2.1 線性調度函式與回歸分析
1.2.2 相鄰時段徑流獨立條件下的線性調度函式
1.2.3 線性決策函式的其他計算方法
1.2.4 線性調度函式的綜合計算方法
1.3 馬爾可夫過程
1.3.1 馬爾可夫（Markov）過程
1.3.2 切普曼-柯爾莫哥洛夫方程
1.3.3 齊次馬氏鏈
1.3.4 遍歷性與平穩分布
1.4 Markov徑流描述
1.4.1 時段徑流分布律
1.4.2 時段相關與條件機率
1.4.3 檢查徑流是否簡單馬氏鏈的方法
參考文獻
第2章 時間序列分析
2.1 線性平穩ARMA模型
2.1.1 線性平穩模型的類別及特徵
2.1.2 時間序列的預報
2.1.3 ARMA模型參數估計
2.1.4 模型階數的確定
2.2 簡單非平穩、非線性模型
2.2.1 ARIMA模型
2.2.2 季節性ARIMA模型
2.2.3 線性趨勢預測技術
2.2.4 組合模型
2.2.5 門限自回歸模型
2.3 卡爾曼（Kalman）濾波模型
2.3.1 狀態空間及狀態估計
2.3.2 離散時間]Kalman濾波
2.3.3 多庫徑流預報模型
參考文獻
第3章 水庫系統的辨識型最佳化調度理論
3.1 水庫系統辨識型最佳化調度方法概述
3.1.1 辨識型最佳化調度方法的提出
3.1.2 信息結構
3.1.3 被測系統和研究對象的預處理
3.1.4 模型類的建立和水庫調度系統的幾種辨識結構
3.1.5 最優矩模型及其與串聯辨識最佳化調度的關係
3.2 單庫的辨識型最佳化調度
3.2.1 高水位原則的表述和初始調度方案
3.2.2 減少無益棄水原則和非線性調度函式
3.2.3 參數模型類和參數辨識：調度函式的優選
3.2.4 數值模擬——回檢與最優回檢
3.3 保證出力的確定
3.3.1 保證出力的取值範圍
3.3.2 保證出力的確定方法
3.3.3 引理的證明
參考文獻
第4章 梯級水庫辨識型最佳化調度
4.1 梯級水庫能的能量增益轉換
4.1.1 梯級水庫的能量增益轉換及其轉換條件
4.1.2 箱庫模型及梯級水庫的全箱庫能增益轉換
4.2 最優調度函式的確定
4.2.1 確定末庫容初態
4.2.2 聯合保證出力的全箱庫能增益轉換分配技術
4.2.3 非線性實時調度函式
4.2.4 調度函式的優選——最優調度規則
4.2.5 數值模擬——最優回檢
4.3 定理和公式的證明
4.3.1 並聯水庫能和發電能關係式（4.3）的證明
4.3.2 梯級水庫能和發電能關係式（4.4）的證明
4.3.3 水庫蓄能式（4.11）的計算
4.3.4 定理4.1的證明
4.3.5 梯級水庫能箱庫分解式（4.17）的證明
參考文獻
第5章 洪水的分類預測與調度
5.1 長江中下游流域的洪水分類
5.2 洪水的分類預測
5.3 防洪實時調度規則的Bayes綜合
參考文獻
第6章 神經網路理論及套用
6.1 引言
6.1.1 神經網路的發展及套用
6.1.2 神經網路結構及學習方法
6.2 單層前向神經網路
6.2.1 線性網路
6.2.2 非線性網路
6.2.3 單層前向網路的最小二乘分類算法
6.3 多層前向神經網路及套用
6.3.1 前向多層神經網路的反傳學習算法（BP算法）
6.3.2 前向多層神經網路在預測中的套用
6.4 反饋型神經網路及其套用
6.4.1 連續系統神經網路
6.4.2 Hopfield人工神經網路在TSP中的套用
6.4.3 離散系統神經網路
參考文獻
第7章 混沌理論及分析方法
7.1 引言
7.2 混沌的數學理論基礎
7.3 混沌分析原理及方法
7.3.1 混沌的基本概念
7.3.2 吸引子及其特徵描述
7.4 混沌預測模型及套用
7.4.1 全域預測方法
7.4.2 局域預測法
7.4.3 相軌跡演化模式算法
參考文獻
後記
前言
第1章 線性回歸與隨機過程方法
1.1 線性回歸原理
1.1.1 回歸模型與最小二乘估計
1.1.2 線性檢驗和置信區間
1.1.3 均差法與判定係數
1.2 水電站線性調度函式
1.2.1 線性調度函式與回歸分析
1.2.2 相鄰時段徑流獨立條件下的線性調度函式
1.2.3 線性決策函式的其他計算方法
1.2.4 線性調度函式的綜合計算方法
1.3 馬爾可夫過程
1.3.1 馬爾可夫（Markov）過程
1.3.2 切普曼-柯爾莫哥洛夫方程
1.3.3 齊次馬氏鏈
1.3.4 遍歷性與平穩分布
1.4 Markov徑流描述
1.4.1 時段徑流分布律
1.4.2 時段相關與條件機率
1.4.3 檢查徑流是否簡單馬氏鏈的方法
參考文獻
第2章 時間序列分析
2.1 線性平穩ARMA模型
2.1.1 線性平穩模型的類別及特徵
2.1.2 時間序列的預報
2.1.3 ARMA模型參數估計
2.1.4 模型階數的確定
2.2 簡單非平穩、非線性模型
2.2.1 ARIMA模型
2.2.2 季節性ARIMA模型
2.2.3 線性趨勢預測技術
2.2.4 組合模型
2.2.5 門限自回歸模型
2.3 卡爾曼（Kalman）濾波模型
2.3.1 狀態空間及狀態估計
2.3.2 離散時間]Kalman濾波
2.3.3 多庫徑流預報模型
參考文獻
第3章 水庫系統的辨識型最佳化調度理論
3.1 水庫系統辨識型最佳化調度方法概述
3.1.1 辨識型最佳化調度方法的提出
3.1.2 信息結構
3.1.3 被測系統和研究對象的預處理
3.1.4 模型類的建立和水庫調度系統的幾種辨識結構
3.1.5 最優矩模型及其與串聯辨識最佳化調度的關係
3.2 單庫的辨識型最佳化調度
3.2.1 高水位原則的表述和初始調度方案
3.2.2 減少無益棄水原則和非線性調度函式
3.2.3 參數模型類和參數辨識：調度函式的優選
3.2.4 數值模擬——回檢與最優回檢
3.3 保證出力的確定
3.3.1 保證出力的取值範圍
3.3.2 保證出力的確定方法
3.3.3 引理的證明
參考文獻
第4章 梯級水庫辨識型最佳化調度
4.1 梯級水庫能的能量增益轉換
4.1.1 梯級水庫的能量增益轉換及其轉換條件
4.1.2 箱庫模型及梯級水庫的全箱庫能增益轉換
4.2 最優調度函式的確定
4.2.1 確定末庫容初態
4.2.2 聯合保證出力的全箱庫能增益轉換分配技術
4.2.3 非線性實時調度函式
4.2.4 調度函式的優選——最優調度規則
4.2.5 數值模擬——最優回檢
4.3 定理和公式的證明
4.3.1 並聯水庫能和發電能關係式（4.3）的證明
4.3.2 梯級水庫能和發電能關係式（4.4）的證明
4.3.3 水庫蓄能式（4.11）的計算
4.3.4 定理4.1的證明
4.3.5 梯級水庫能箱庫分解式（4.17）的證明
參考文獻
第5章 洪水的分類預測與調度
5.1 長江中下游流域的洪水分類
5.2 洪水的分類預測
5.3 防洪實時調度規則的Bayes綜合
參考文獻
第6章 神經網路理論及套用
6.1 引言
6.1.1 神經網路的發展及套用
6.1.2 神經網路結構及學習方法
6.2 單層前向神經網路
6.2.1 線性網路
6.2.2 非線性網路
6.2.3 單層前向網路的最小二乘分類算法
6.3 多層前向神經網路及套用
6.3.1 前向多層神經網路的反傳學習算法（BP算法）
6.3.2 前向多層神經網路在預測中的套用
6.4 反饋型神經網路及其套用
6.4.1 連續系統神經網路
6.4.2 Hopfield人工神經網路在TSP中的套用
6.4.3 離散系統神經網路
參考文獻
第7章 混沌理論及分析方法
7.1 引言
7.2 混沌的數學理論基礎
7.3 混沌分析原理及方法
7.3.1 混沌的基本概念
7.3.2 吸引子及其特徵描述
7.4 混沌預測模型及套用
7.4.1 全域預測方法
7.4.2 局域預測法
7.4.3 相軌跡演化模式算法
參考文獻
後記
