CN115310871B - 一种水资源调配系统 - Google Patents
一种水资源调配系统 Download PDFInfo
- Publication number
- CN115310871B CN115310871B CN202211223794.9A CN202211223794A CN115310871B CN 115310871 B CN115310871 B CN 115310871B CN 202211223794 A CN202211223794 A CN 202211223794A CN 115310871 B CN115310871 B CN 115310871B
- Authority
- CN
- China
- Prior art keywords
- water
- reservoir
- pulse
- neuron
- neurons
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 274
- 238000013468 resource allocation Methods 0.000 title claims abstract description 33
- 210000002569 neuron Anatomy 0.000 claims abstract description 248
- 210000004498 neuroglial cell Anatomy 0.000 claims abstract description 95
- 230000033228 biological regulation Effects 0.000 claims abstract description 44
- 230000005540 biological transmission Effects 0.000 claims abstract description 38
- 238000003062 neural network model Methods 0.000 claims abstract description 15
- 230000001537 neural effect Effects 0.000 claims abstract description 10
- 210000005036 nerve Anatomy 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000001105 regulatory effect Effects 0.000 claims description 21
- 238000011144 upstream manufacturing Methods 0.000 claims description 9
- 230000001276 controlling effect Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 description 7
- 238000000034 method Methods 0.000 description 7
- 238000010792 warming Methods 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003213 activating effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002518 glial effect Effects 0.000 description 2
- 230000002401 inhibitory effect Effects 0.000 description 2
- 230000004936 stimulating effect Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 108010074506 Transfer Factor Proteins 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000023886 lateral inhibition Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种水资源调配系统,涉及水资源调配领域,包括脉冲神经网络模型,所述脉冲神经网络模型是根据待调配范围内多个水库构建的,所述脉冲神经网络模型包括多个水库神经单元、多个门控神经元和多个水泵神经元,各所述水库神经单元均包括一个水库神经元、一个水位预警神经元、两个脉冲编码神经元、一个排水胶质细胞、一个调水胶质细胞、一个计算胶质细胞和一个脉冲传递神经元;排水胶质细胞和调水胶质细胞获取水库神经单元的水位信息,并通过控制门控神经元实现高水位水库排水,通过计算胶质细胞确定最优调水路径,通过调水胶质细胞和水泵神经元实现低水位水库调水,缩短了水资源调配计算时间,提升了调配效率。
Description
技术领域
本发明涉及水资源调配技术领域,特别是涉及一种水资源调配系统。
背景技术
中国地域广阔,水系多而复杂,水利工程点多、面广、量大、种类多,经济社会发展对江河和水利工程安全高效运行要求很高。智慧水利智能决策的实现有助于减少水旱灾害,保护人民生命和财产安全,同时合理分配和利用水资源,能够减少环境破坏,满足社会长久发展需求。对于水旱灾害的预防,要求对水利设施进行整体调控,对区域水量进行监测,同时结合天气预报及历史数据,对水库以及江河水位进行实时预测,提前对洪涝灾害进行预警;对水资源进行合理调度,预防旱灾。传统水利工程已经难以满足目前经济社会发展的专业化、精细化和智能化管理要求,水资源调配效率低。
发明内容
本发明的目的是提供一种水资源调配系统,采用脉冲神经网络,于类脑超算平台进行水资源调配,提高了水资源调配效率。
为实现上述目的,本发明提供了如下方案:
一种水资源调配系统,包括脉冲神经网络模型,所述脉冲神经网络模型是根据待调配范围内多个水库构建的,所述脉冲神经网络模型包括多个水库神经单元、多个门控神经元和多个水泵神经元;各所述水库神经单元均包括水库神经元、水位预警神经元、第一脉冲编码神经元、第二脉冲编码神经元、排水胶质细胞、调水胶质细胞、计算胶质细胞和脉冲传递神经元;每个所述水库神经单元对应所述待调配范围内一个水库;
在一个水库神经单元中,所述水库神经元与所述第一脉冲编码神经元连接,所述水位预警神经元与所述第二脉冲编码神经元连接,所述第一脉冲编码神经元分别与所述排水胶质细胞、所述调水胶质细胞和所述计算胶质细胞连接,所述第二脉冲编码神经元分别与所述排水胶质细胞、所述调水胶质细胞和所述计算胶质细胞连接,所述计算胶质细胞与所述脉冲传递神经元连接,所述脉冲传递神经元与所述调水胶质细胞连接;
待调配范围内多个水库至少包括沿水流方向依次设置的第一水库、第二水库和第三水库,第一水库对应的第一脉冲编码神经元与第二水库对应的第一脉冲编码神经元通过第一门控神经元连接,第二水库对应的第一脉冲编码神经元与第三水库对应的第一脉冲编码神经元通过第二门控神经元连接;第一水库对应的第一脉冲编码神经元与第二水库对应的第一脉冲编码神经元之间设置有排水调节支路和调水调节支路,所述排水调节支路包括第一水库对应的第一脉冲编码神经元通过排水胶质细胞与所述第一门控神经元连接,所述调水调节支路包括第二水库对应的第一脉冲编码神经元依次通过所述调水胶质细胞、所述水泵神经元与第一水库对应的第一脉冲编码神经元连接;
所述水库神经元用于输出对应水库的水位信息;
所述水位预警神经元用于输出对应水库的预警水位,所述预警水位包括水位上限和水位下限;
所述第一脉冲编码神经元用于将所述水库神经元输出的水位信息进行脉冲编码,输出水位脉冲信号;
所述第二脉冲编码神经元用于对所述水位预警神经元输出的预警水位进行脉冲编码,输出水位预警脉冲信号,所述水位预警脉冲信号包括水位上限脉冲信号和水位下限脉冲信号;
所述排水胶质细胞用于接收对应所述第一脉冲编码神经元发出的水位脉冲信号,当水位脉冲信号大于所述水位上限脉冲信号时,将排水指令发送到所述水库神经元对应的所述门控神经元;
所述门控神经元用于控制上游水库向下游水库排水;
所述调水胶质细胞用于接收对应所述第一脉冲编码神经元发出的水位脉冲信号,当水位脉冲信号小于所述水位下限脉冲信号时,将调水指令发送到所述水库神经元对应的所述水泵神经元;
所述水泵神经元用于将所述调水指令发送到所述计算胶质细胞;
所述计算胶质细胞用于根据多个调水因素计算从所述计算胶质细胞对应的水库神经元调水到目标水库神经元的调水评分;
按照调水评分从高到低的顺序,依次向各所述计算胶质细胞对应的所述脉冲传递神经元发放调水评分脉冲,当各所述脉冲传递神经元中任意一个所述脉冲传递神经元最先接收到调水评分脉冲后,其他所述脉冲传递神经元不再接收调水评分脉冲,接收到调水评分脉冲的所述脉冲传递神经元将脉冲传递到对应的所述调水胶质细胞;
所述调水胶质细胞还用于当接收到调水评分脉冲后,控制所述水库神经元对应的水库向目标水库调水。
可选地,所述调水因素包括当前计算胶质细胞对应水库的水位信息和当前计算胶质细胞对应水库到目标水库的调水距离。
其中,Score表示所述调水评分,n表示所述调水因素的数量,x i 表示第i个调水因素,w i 表示第i个调水因素的权重。
可选地,所述门控神经元用于抑制上游水库对应的第一脉冲编码神经元的脉冲发送频率,激励下游水库对应的第一脉冲编码神经元的脉冲发送频率,从而控制上游水库向下游水库排水。
可选地,所述排水胶质细胞用于根据所述第一脉冲编码神经元的脉冲发送频率确定所述水库神经元对应的水位信息。
可选地,所述调水胶质细胞用于根据所述第一脉冲编码神经元的脉冲发送频率确定所述水库神经元对应的水位信息。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明一种水资源调配系统,包括部署在类脑超算平台上的脉冲神经网络模型,脉冲神经网络模型包括多个水库神经单元,通过脉冲神经网络模型实现各水库神经单元之间并行调配,缩短了计算时间,提升了调配效率,从而能够实现大规模水资源调配任务的部署。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种水资源调配系统结构示意图;
图2为本发明实施例排水流程示意图;
图3为本发明实施例调水流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种水资源调配系统,提高了水资源调配效率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明一种水资源调配系统结构示意图,如图1所示,一种水资源调配系统,包括脉冲神经网络模型,所述脉冲神经网络模型是根据待调配范围内多个水库构建的,所述脉冲神经网络模型包括多个水库神经单元、多个门控神经元和多个水泵神经元,各所述水库神经单元均包括一个水库神经元、一个水位预警神经元、一个第一脉冲编码神经元、一个第二脉冲编码神经元、一个排水胶质细胞、一个调水胶质细胞、一个计算胶质细胞和一个脉冲传递神经元;每个所述水库神经单元对应所述待调配范围内一个水库,多个所述水库神经元与所述待调配范围内多个水库一一对应。
在一个水库神经单元中,所述水库神经元与所述第一脉冲编码神经元连接,所述水位预警神经元与所述第二脉冲编码神经元连接,所述第一脉冲编码神经元分别与所述排水胶质细胞、所述调水胶质细胞和所述计算胶质细胞连接,所述第二脉冲编码神经元分别与所述排水胶质细胞、所述调水胶质细胞和所述计算胶质细胞连接,所述计算胶质细胞与所述脉冲传递神经元连接,所述脉冲传递神经元与所述调水胶质细胞连接。
待调配范围内多个水库至少包括沿水流方向依次设置的第一水库b1、第二水库b和第三水库c,第二水库b为第一水库b1的下游水库,第三水库c为第二水库b的下游水库,即第三水库c也是第一水库b1的下游水库,第一水库b1对应的水库神经元source(b1)与第二水库b对应的水库神经元source(b)通过第一门控神经元G(b1b)连接,具体为第一水库b1对应的第一脉冲编码神经元encode(b1)与第二水库b对应的第一脉冲编码神经元encode(b)通过第一门控神经元G(b1b)连接;第二水库b对应的水库神经元source(b)与第三水库c对应的水库神经元source(c)通过第二门控神经元G(bc)连接,具体为第二水库b对应的第一脉冲编码神经元encode(b)与第三水库c对应的第一脉冲编码神经元encode(c)通过第二门控神经元G(bc)连接;水库神经元source(b1)与水库神经元source(b)之间设置有第一排水调节支路和第一调水调节支路,第一排水调节支路包括第一脉冲编码神经元encode(b1)通过排水胶质细胞WL(b1(+))与第一门控神经元G(b1b)连接,通过第一门控神经元G(b1b)开闸对第一水库b1进行排水,第一调水调节支路包括第一脉冲编码神经元encode(b)依次通过调水胶质细胞WL(b(-))、水泵神经元P(bb1)与第一脉冲编码神经元encode(b1)连接,通过水泵神经元P(bb1)将第二水库b中水调入第一水库b1中;每两个相邻的水库神经元之间均存在类似水库神经元source(b1)与水库神经元source(b)之间的连接关系;第一脉冲编码神经元encode(b)与计算胶质细胞WL(b(0))连接,计算胶质细胞WL(b(0))连接与脉冲传递神经元b’连接,脉冲传递神经元b’与调水胶质细胞WL(b1(-))连接;如图1所示,第一脉冲编码神经元encode(b)与第一脉冲编码神经元encode(c)之间设置有第二排水调节支路,第二排水调节支路包括第一脉冲编码神经元encode(b)通过排水胶质细胞WL(b(+))与第一门控神经元G(bc)连接;第一脉冲编码神经元encode(c)和第一脉冲编码神经元encode(b1)之间的调水调节支路包括第一脉冲编码神经元encode(c)依次通过调水胶质细胞WL(c(-))、水泵神经元P(cb1)与第一脉冲编码神经元encode(b1)连接。
所述水库神经元用于检测对应水库的水位信息或者利用未来的气象状况进行水位信息预测,从而输出水位信息。第一脉冲编码神经元以输出脉冲的方式输出水位信息,脉冲频率越高,表示的水位越高。
所述水位预警神经元用warning()表示,用于输出对应水库的预警水位。
所述第一脉冲编码神经元(encode())用于将所述水库神经元输出的水位信息进行脉冲编码,输出水位脉冲信号。
所述第二脉冲编码神经元(encode(warning)())用于对所述水位预警神经元输出的预警水位进行脉冲编码,输出水位预警脉冲信号,所述水位预警脉冲信号包括水位上限脉冲信号和水位下限脉冲信号。
基于脉冲神经网络模型,根据各水库对应水库神经元输出的水位信息实现排水功能和调水功能。当预测水位处于高风险时,调用排水功能进行定量泄洪;当预测到干旱可能发生时,调用调水功能进行调水。
所述排水胶质细胞用WL(·(+))表示,用于根据所述第一脉冲编码神经元的脉冲发送频率确定所述水库神经元对应的水位信息。
所述调水胶质细胞用WL(·(-))表示,用于根据所述第一脉冲编码神经元的脉冲发送频率确定所述水库神经元对应的水位信息。
所述排水胶质细胞用于接收对应所述第一脉冲编码神经元发出的水位脉冲信号,当水位脉冲信号大于所述水位上限脉冲信号时,将排水指令发送到所述水库神经元对应的所述门控神经元。
所述门控神经元用G(·))表示,用于控制上游水库向下游水库排水。
所述调水胶质细胞用于接收对应所述第一脉冲编码神经元发出的水位脉冲信号,当水位脉冲信号小于所述水位下限脉冲信号时,将调水指令发送到所述水库神经元对应的所述水泵神经元。
所述水泵神经元P(·))表示,用于将所述调水指令发送到所述计算胶质细胞,刺激计算胶质细胞进行计算。
所述计算胶质细胞用WL(·(0))表示,用于根据多个调水因素计算从所述计算胶质细胞对应的水库神经元调水到目标水库神经元的调水评分。
各计算胶质细胞按照调水评分从高到低的顺序,依次向各所述计算胶质细胞对应的所述脉冲传递神经元发放调水评分脉冲,当各所述脉冲传递神经元中任意一个所述脉冲传递神经元最先接收到调水评分脉冲后,其他所述脉冲传递神经元不再接收调水评分脉冲,接收到调水评分脉冲的所述脉冲传递神经元将脉冲传递到对应的所述调水胶质细胞。
各计算胶质细胞按照调水评分从高到低的顺序,依次向各所述计算胶质细胞对应的所述脉冲传递神经元发放调水评分脉冲,具体包括,将各调水评分归一化,获得归一化后的调水评分,将归一化后的调水评分与设定长度时间轴相乘,将设定长度时间轴与各相乘结果之差,作为各对应所述计算胶质细胞发放调水评分脉冲的时间。
脉冲传递神经元用于接收调水评分脉冲,并将调水评分脉冲传递到调水胶质细胞。
所述调水胶质细胞还用于当接收到调水评分脉冲后,控制所述水库神经元对应的水库向目标水库调水。
所述调水因素包括当前计算胶质细胞对应水库的水位信息和当前计算胶质细胞对应水库到目标水库的调水距离。目标水库神经元为目标水库对应的水库神经元。目标水库为缺水水库。
其中,Score表示所述调水评分,n表示所述调水因素的数量,x i 表示第i个调水因素,w i 表示第i个调水因素的权重。
所述门控神经元用于抑制上游水库对应的第一脉冲编码神经元的脉冲发送频率,激励下游水库对应的第一脉冲编码神经元的脉冲发送频率,从而控制上游水库向下游水库排水。
如图1所示,一种水资源调配系统神经包括水库a、b、b1、c和c1,水库流向为a-->b-->c、b1-->b-->c和c1-->c。
水库a、b、b1、c和c1分别对应水库神经元source(a)、source(b)、source(b1)、source(c)和source(c1),水库a、b、b1、c和c1分别对应水位预警神经元warning(a)、warning(b)、warning(b1)、warning(c)和warning(c1)。
本发明一种水资源调配系统神经,在类脑平台上构建智能水资源调配模型(脉冲神经网络模型),实现调水和排水功能,采用平均脉冲发放频率编码替代水位信息,同时利用首发脉冲编码的方式实现侧向抑制,确保传出信息的特异性,实现水资源的调配任务,以有效预防水旱灾害。
排水功能实现如图2所示,代表水库a的第一脉冲编码神经元encode(a)发放脉冲,排水胶质细胞WL(a(+))记录第一脉冲编码神经元encode(a)的脉冲发放频率,与水库安全水位数据(第二脉冲编码神经元encode(warning)(a)发出的水位上限脉冲信号)进行比较,如果超出安全范畴,则给门控神经元G(ab)发放脉冲,刺激门控神经元G(ab),使门控神经元G(ab)控制水闸进行排水,排水减少了水库a的水量,增大了水库a下游水库b的水量,则第一脉冲编码神经元encode(a)的脉冲发放被抑制,脉冲发放频率降低,代表水位降低;第一脉冲编码神经元encode(b)脉冲发放被激励,脉冲发放频率提升,水位升高。
调水功能实现如图3所示,假设场景为水库b1缺水,水库b、水库c和水库c1都能够给水库b1调水,那么此时需要选择最优调水方案。水库b1缺水时,第一脉冲编码神经元encode(b1)脉冲发放频率低于安全值(第二脉冲编码神经元encode(warning)(a)发出的水位下限脉冲信号),则刺激调水胶质细胞神经元WL(b1(-))发放脉冲。脉冲激活水库神经元source(b1)与水库神经元source(c)之间的水泵神经元P(cb1)、水库神经元source(b1)与水库神经元source(b)之间的水泵神经元P(bb1)和水库神经元source(b1)与水库神经元source(c1)之间的水泵神经元P(c1b1),传递调水指令,启动各对应的计算胶质细胞WL(·(0))的计算(见公式(1))。计算胶质细胞WL(·(0))负责结合其对应的水库神经元传递的水位信息,从该地到调水目的地即b1水库的调水成本,以及调水路线距离等各因素,计算出调水评分。调水评分越高,则越适合调水。计算出的调水评分采取首发脉冲编码的方式,具体编码方式如下:
例如,图1中WL(b(0)),WL(c(0)),WL(c1(0))分别记录了水库神经元source(b)、水库神经元source(c)和水库神经元source(c1)的水位,即脉冲发放频率。计算胶质细胞在接收到水位信息后,利用公式(1)进行计算,将调水评分重新进行编码,编码方式为单次脉冲发放编码。先将调水评分进行归一化,取等长时间轴,将归一化后的调水评分乘时间轴总长,再取总长和乘积的差值,即获得脉冲发放时间点,评分高的先发放脉冲,将脉冲传递给脉冲传递神经元b'、脉冲传递神经元c'、脉冲传递神经元c1'。脉冲传递神经元b'、c'、c1'之间采用相互抑制连接的方式,则当其中任意一个脉冲传递神经元接收到脉冲后,另外两个脉冲传递神经元活动都会被抑制,不往外传递脉冲。假设脉冲传递神经元b'最先接收到脉冲,则脉冲传递神经元c'和脉冲传递神经元c1'被抑制,只有脉冲传递神经元b'将脉冲传递给排水胶质细胞神经元WL(b(-)),WL(b(-))抑制第一脉冲编码神经元encode(b)的脉冲发放频率,即意味着从水库b处调水给水库b1,水库b处水位下降;同时刺激水泵神经元P(bb1),打开水泵调水。之后水泵神经元P(bb1)激励第一脉冲编码神经元encode(b1),第一脉冲编码神经元encode(b1)脉冲发放频率升高,水位上升,完成调水过程。
本发明一种水资源调配系统,降低了水资源调配功耗:水资源调配任务对数据的要求非常高,其数据来源广、数据类型丰富,导致其数据量非常庞大,在实现调配任务时难以避免巨大的计算量,进而所产生的功耗问题。因此基于传统冯·诺依曼的计算架构已经难以满足现有水资源智能调配任务对功耗对要求。本发明基于类脑超算平台实现水资源调配任务,类脑超算平台通过模仿人脑工作原理,灵活高效地融合了一些神经元模型、生物学习算法以及机器学习算法,实现了低功耗计算芯片的构建,同时基于其计算方式,在芯片内部不需要复杂的硬件进行矩阵运算,只需在接收到脉冲时处理脉冲信号,其计算能耗较传统方式有了有效的降低。
本发明一种水资源调配系统,整体性调配更强,受计算量所限,目前多数水资源调配任务仅聚焦于某个流域,并且仅对个别水库进行水资源调配,缺乏整体性。本发明的水资源智能调配任务在类脑超算平台内部采取并行计算的方式,缩短计算时间,提升计算效率,从而能够实现大规模水资源调配任务的部署。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种水资源调配系统,其特征在于,包括脉冲神经网络模型,所述脉冲神经网络模型是根据待调配范围内多个水库构建的,所述脉冲神经网络模型包括多个水库神经单元、多个门控神经元和多个水泵神经元;各所述水库神经单元均包括水库神经元、水位预警神经元、第一脉冲编码神经元、第二脉冲编码神经元、排水胶质细胞、调水胶质细胞、计算胶质细胞和脉冲传递神经元;每个所述水库神经单元对应所述待调配范围内一个水库;
在一个水库神经单元中,所述水库神经元与所述第一脉冲编码神经元连接,所述水位预警神经元与所述第二脉冲编码神经元连接,所述第一脉冲编码神经元分别与所述排水胶质细胞、所述调水胶质细胞和所述计算胶质细胞连接,所述第二脉冲编码神经元分别与所述排水胶质细胞、所述调水胶质细胞和所述计算胶质细胞连接,所述计算胶质细胞与所述脉冲传递神经元连接,所述脉冲传递神经元与所述调水胶质细胞连接;
待调配范围内多个水库至少包括沿水流方向依次设置的第一水库、第二水库和第三水库,第一水库对应的第一脉冲编码神经元与第二水库对应的第一脉冲编码神经元通过第一门控神经元连接,第二水库对应的第一脉冲编码神经元与第三水库对应的第一脉冲编码神经元通过第二门控神经元连接;第一水库对应的第一脉冲编码神经元与第二水库对应的第一脉冲编码神经元之间设置有排水调节支路和调水调节支路,所述排水调节支路包括第一水库对应的第一脉冲编码神经元通过排水胶质细胞与所述第一门控神经元连接,所述调水调节支路包括第二水库对应的第一脉冲编码神经元依次通过所述调水胶质细胞、所述水泵神经元与第一水库对应的第一脉冲编码神经元连接;
所述水库神经元用于输出对应水库的水位信息;
所述水位预警神经元用于输出对应水库的预警水位,所述预警水位包括水位上限和水位下限;
所述第一脉冲编码神经元用于将所述水库神经元输出的水位信息进行脉冲编码,输出水位脉冲信号;
所述第二脉冲编码神经元用于对所述水位预警神经元输出的预警水位进行脉冲编码,输出水位预警脉冲信号,所述水位预警脉冲信号包括水位上限脉冲信号和水位下限脉冲信号;
所述排水胶质细胞用于接收对应所述第一脉冲编码神经元发出的水位脉冲信号,当水位脉冲信号大于所述水位上限脉冲信号时,将排水指令发送到所述水库神经元对应的所述门控神经元;
所述门控神经元用于控制上游水库向下游水库排水;
所述调水胶质细胞用于接收对应所述第一脉冲编码神经元发出的水位脉冲信号,当水位脉冲信号小于所述水位下限脉冲信号时,将调水指令发送到所述水库神经元对应的所述水泵神经元;
所述水泵神经元用于将所述调水指令发送到所述计算胶质细胞;
所述计算胶质细胞用于根据多个调水因素计算从所述计算胶质细胞对应的水库神经元调水到目标水库神经元的调水评分;
按照调水评分从高到低的顺序,依次向各所述计算胶质细胞对应的所述脉冲传递神经元发放调水评分脉冲,当各所述脉冲传递神经元中任意一个所述脉冲传递神经元最先接收到调水评分脉冲后,其他所述脉冲传递神经元不再接收调水评分脉冲,接收到调水评分脉冲的所述脉冲传递神经元将脉冲传递到对应的所述调水胶质细胞;
所述调水胶质细胞还用于当接收到调水评分脉冲后,控制所述水库神经元对应的水库向目标水库调水。
2.根据权利要求1所述的水资源调配系统,其特征在于,所述调水因素包括当前计算胶质细胞对应水库的水位信息和当前计算胶质细胞对应水库到目标水库的调水距离。
4.根据权利要求1所述的水资源调配系统,其特征在于,所述门控神经元用于抑制上游水库对应的第一脉冲编码神经元的脉冲发送频率,激励下游水库对应的第一脉冲编码神经元的脉冲发送频率,从而控制上游水库向下游水库排水。
5.根据权利要求1所述的水资源调配系统,其特征在于,所述排水胶质细胞用于根据所述第一脉冲编码神经元的脉冲发送频率确定所述水库神经元对应的水位信息。
6.根据权利要求1所述的水资源调配系统,其特征在于,所述调水胶质细胞用于根据所述第一脉冲编码神经元的脉冲发送频率确定所述水库神经元对应的水位信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211223794.9A CN115310871B (zh) | 2022-10-09 | 2022-10-09 | 一种水资源调配系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211223794.9A CN115310871B (zh) | 2022-10-09 | 2022-10-09 | 一种水资源调配系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115310871A CN115310871A (zh) | 2022-11-08 |
CN115310871B true CN115310871B (zh) | 2023-01-06 |
Family
ID=83865941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211223794.9A Active CN115310871B (zh) | 2022-10-09 | 2022-10-09 | 一种水资源调配系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115310871B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158567A (zh) * | 2021-04-21 | 2021-07-23 | 中国人民解放军国防科技大学 | 一种液体状态机模型中通信的软硬件联合优化方法及系统 |
CN113869505A (zh) * | 2021-12-06 | 2021-12-31 | 中科南京智能技术研究院 | 一种基于脑胶质细胞的脉冲神经网络优化方法及系统 |
-
2022
- 2022-10-09 CN CN202211223794.9A patent/CN115310871B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113158567A (zh) * | 2021-04-21 | 2021-07-23 | 中国人民解放军国防科技大学 | 一种液体状态机模型中通信的软硬件联合优化方法及系统 |
CN113869505A (zh) * | 2021-12-06 | 2021-12-31 | 中科南京智能技术研究院 | 一种基于脑胶质细胞的脉冲神经网络优化方法及系统 |
Non-Patent Citations (2)
Title |
---|
Capability assessment of conventional and data-driven models for prediction of suspended sediment load;Ashish Kumar 等;《Springerlink》;20220228;全文 * |
区域水土资源可持续利用评价的脉冲耦合神经网络(PCNN)模型模糊算法的构建与应用——以中国三江平原为例;苏安玉 等;《浙江大学学报(理学版)》;20090331;335-339 * |
Also Published As
Publication number | Publication date |
---|---|
CN115310871A (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105353711B (zh) | 智能排水调度系统和方法 | |
CN110991687B (zh) | 一种基于经验模型的水资源调度优化方法 | |
CN102629106B (zh) | 供水控制方法及系统 | |
CN109872063A (zh) | 平原城市河网防洪、排涝、活水联合优化调度方法及系统 | |
CN107578134A (zh) | 一种考虑预警的黄河上游梯级水库防洪调度方法 | |
CN109066805A (zh) | 一种跨区互联电网发输电系统动态调度优化方法 | |
CN107045785B (zh) | 一种基于灰色elm神经网络的短时交通流量预测的方法 | |
CN106971566A (zh) | 基于遗传算法的自适应控制方法 | |
CN107992989A (zh) | 一种水库群洪水资源化预蓄预泄风险决策方法 | |
CN111967666A (zh) | 一种江河湖水系综合协同调度系统及其调度方法 | |
CN103904664B (zh) | 一种基于有效静态安全域的agc机组实时调度方法 | |
CN116011656A (zh) | 一种基于模型预测控制的泵闸群防洪调度方法及系统 | |
Ou et al. | An interval chance-constrained fuzzy modeling approach for supporting land-use planning and eco-environment planning at a watershed level | |
CN106934496A (zh) | 耦合径流预报信息的水电站二维调度图绘制及使用方法 | |
CN104281983A (zh) | 配电网应急抢修所需资源调度方法与系统 | |
CN115310871B (zh) | 一种水资源调配系统 | |
CN109117998B (zh) | 一种多智能体配置方法 | |
CN105160443A (zh) | 基于扩展线性二次高斯方法的复杂水库群优化调度方法 | |
CN116239235A (zh) | 一种利用光伏发电提高污水曝气效果的系统及方法 | |
CN111180015A (zh) | 基于三维一体化模型污水处理厂虚拟现实的管理控制方法 | |
CN101654910A (zh) | 开发利用水库死水量发电的方法 | |
CN109056962A (zh) | 管控水网的方法及装置 | |
CN110348121A (zh) | 一种水电系统应对径流变化适应性调控与评价方法及系统 | |
CN112365052A (zh) | 闸站涵联合调度方法 | |
Bugarski et al. | Fuzzy expert system for adaptive vessel traffic control on one-way section on navigable canal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |