供水调度分析数据挖掘在水库调度规则提取中的应用

摘要：供水调度是水库调度工作的重要内容之一，关系到生产和生活以及农业生产的诸多方面。在对水库调度规则进行提取的过程中，为了提高效率，可以积极地利用数据挖掘技术。文章以供水调度为例，对数据挖掘在水库调度规则提取中的应用进行简要的分析。

关键词：水库调度规则提取；供水调度；数据挖掘

中图分类号：TV697 ； ； ； ；文献标识码：A ； ； ； ；文章编号：1009-2374（2014）18-0146-02

数据挖掘技术是一种新型的技术，具有强大的数据挖掘功能，可以通过对大量数据的分析发现隐含在其中的规律。将其应用于水库调度规则的提取之中，可以获得较好的应用效果。

1数据挖掘技术

数据挖掘又被称为资料探勘，通常情况下，为数据库知识发现或者是知识发现整个过程中的一个步骤。数据挖掘的过程为：利用计算机系统，并结合各种人工功能，然后从大量的数据中挖掘内含的各种有用的规律和方法，并将这些规律和方法进行转化，成为人们方便接受并且可以予以利用的各种数据和信息的过程。

2水库调度规则中的供水调度模式分析

水库供水大多用于生活用水和工业用供水以及农业用水等，不同的用水需求下，供水目标和供水调度情况也各不相同，且在供水优先和保证方面存在较大的差异。我们假设供水目标为A，供水先后序号为i（i=1，2，3，4，5……），t为供水时段序号t=1，2，3，4，5……。则供水的具体优先情况从低到高即为：A1，t、A2，t、A3，t。根据水库的实际供水情况，以B作为水库的实际供水量，并设定α1，α2，α3∈（0，1）为不同需水情况所对应的供水限制系数。则为满足实际的用水需求，在进行供水调度的时候，便会出现以下一些调度模式：

（1）满足所有用水需求的正常供水模式：Bt=A1，t+

A2，t+A3，t；

（2）如果对A1，t实行限制性供水，则Bt=（1-α1）A1，t+A2，t+A3，t；

（3）如果对A1，t和A2均，实行限制性供水，则Bt=（1-α1）A1，t+（1-α2）A2，t+A3，t；

（4）如果对所有需水情况均实行限制性供水，则Bt=（1-α1）A1，t+（1-α2）A2，t+（1-α3）A3，t。

例如，现假设有一水库向两个用户供水，河道下泄量要求30m3/s，并假设水库的供水能力不受限制。流量按年计算，用户1需水D1=100，用户2需水D2=200。回归水β=20%，来水Y=120，区间入流1=600用，户需水量用Q表示，试计算该水库可供水量。分析水库的可供水量，有三种情况：（1）属地优先权原则；（2）均衡受益原则；（3）重要性原则。我们以属地优先权原则和均衡受益原则为例进行计算。

属地优先权原则，即先尽量满足上游用户，再满足下游用户。

则计算可得：Q1=90m3/s，

Q2=78m3/s

均衡受益原则，即水资源紧缺，两用户需要均衡受益，供水量与需水量之比相等。

则：Q2=120-（1-20%）×Q1+60-30

Q1=53.6m3/s，Q2=107.1m3/s

3供水调度的数据挖掘

数据挖掘技术的具体实施首先要去定挖掘对象，然后对数据进行选择，搜索所有与挖掘对象有关的数据信息。然后从搜索得到的数据信息中进行选择，选出可以确定为挖掘对象的数据，并将其运用到实际的挖掘过程中。接着对数据进行转换，转换的过程要将需要挖掘的数据转换为合理的数据模型。利用准备好的数据模型，开始进行深入的挖掘。在挖掘的时候要慎重选择算法，保证算法的科学性。数据挖掘应用于供水调度的过程中，需要按照实际情况予以供水情况的分类，其中用到的是决策树算法。但其只能进行线性划分，在多维状态空间中则无法实现最有效的划分。但是，在实际的水库供水调度过程中，为了满足不同的用水需求，需要建立多个供水目标，实际状态空间是多维状态的。因此，利用数据挖掘的决策树进行线性划分是不够科学和合理的。而神经网络中径向基函数（Radial basis function neural net work，RBF）则具有较为科学的网络结构，并具有训练速度快，以及有效避免反向传播复杂计算的能力。现对其进行规一化处理，以消除量纲和单位不同等对输入数据产生的影响。假设P为年型，则除了P以外，其他属性Ai的处理方法为：

然后，我们以某水库的以往资料为依据，分别利用数据挖掘和调度图以及调度函数的方法，对同样的水库供水调度规则问题进行分析。并将最终的结果与真实情况予以比较和分析。根据水库的库蓄水量，调度图计算方法将水库划分为4个调度区，每个调度区都对应一个调度模式。并利用多元线性回归得到具体的调度函数，以aN、bN、cN表示不同时段N所对一个的回归系数，即可得：

并利用模拟优化混合模型计算得出优化调度图。调度函数是一种连续型的调度规则，计算过程中，引入模糊数学，从而得到实际供水量对不同调度模式的隶属度函数。于是，连续型的供水情况便转化为离散型的调度模式。结合水库当地往年的资料和不同计算方法的最终结果进行分析可知，数据挖掘技术对水库的水文年型予以了充分的考虑，因此可以一定程度上减少调度函数在异常径流的影响下而出现的错误调度问题。而结合水库以往的资料，对三种不同的计算方法最终调度模式分类的正确情况可知，调度图和调度函数的最终准确率分别为70%、78%，而数据挖掘分析法的最终准确率则为84%，经比较显著高于其他两种计算方法。而数据挖掘分析法的缺水指数为2.36（1014m6），调度图和调度函数则分别为2.57（1014m6）和2.43（1014m6）。经比较，数据挖掘分析法的缺水指数显著小于其他两种计算方法。即提示，较之传统的调度图和调度函数，在水库调度规则中，数据挖掘方法具有较为明显的应用优势。

4结语

水库的供水调度直接关系到生活及区域内工业生产、生态用水等诸多方面，因此，需要积极地做好供水调度规则提取工作。通过本文的分析我们也了解到，利用数据挖掘技术较为合理和有效。因此，在今后的水库供水调度工作中，可以积极地应用数据挖掘技术，以更好地提高水库的供水能力。

参考文献

[1] ；尹正杰，王小林，胡铁松，等.基于数据挖掘的 ；水库供水调度规则提取[J].系统工程理论与实 ；践，2006，26（8）：129-135.

[2] ；王小林，成金华，尹正杰，等.人工免疫识别系统 ；提取水库供水调度规则的性能分析[J].系统工程 ；理论与实践，2009，29（10）：129-137.

[3] ；张弛，周惠成，王本德，等.决策树技术在水库 ；兴利调度中的应用研究[J].哈尔滨工业大学学 ；报，2007，39（8）：1314-1318.

[4] ；张弛.数据挖掘技术在水文预报与水库调度中的应 ；用研究[D].大连理工大学，2005.

作者简介：田燕（1975—），女，山东枣庄人，山东省枣庄市市中区周村水库管理局助理工程师，研究方向：水利工程。