水利水电工程是我国发展政策的重点，主要是由于水电的效益高、污染小，因此，我国将水利工程的发展优先于火电与核电，并积极寻找新能源，将水电作为第一发展资源是我国发展的重要决策。水利水电工程在运行过程中需要比较精准的径流预报，能够为水电工程在洪旱调度以及经济运行中作出正确的决策提供依据，是水库调度与电力调度部门工作中的重要信息资源，也是水电站在处理旱灾、洪涝、灌溉、供水等调度工作的重点，是实现水能合理运用以及水电站经济效益的基础。文章主要就计算智能在水利水电工程应用研究展开分析，报道如下。
1计算智能的简介
计算智能是以不确定性、非线性以及时间不可逆性为运算特征，将复杂的问题作为计算对象，是现代数学与计算机发展的产物，其主要对常规方法无法解决的问题进行运算。传统的人工智能是基于符号处理机制，其在知识表达、信息处理以及解决组合问题等方面的表现并不理想。因此，研究新的解决方法来提高人工智能的灵活性与准确性［1］。模糊系统对于描述以及经验汲取具有较好的应用;而神经网络能够从网络数据中学习经验与技能栏;进化计算能够对复杂的问题提出最佳的解决措施，并具有较高的稳定性和优化性。模糊系统在推理能力方面优于神经网络以及进化计算，而进化计算以及神经网络在学习、搜索功能方面高于模糊系统。进化计算在搜索的范围以及适应性方面优于神经网络，但神经网络在优化性以及学习能力方面强于进化计算［2］。而计算智能则是涵盖了模糊系统、神经网络以及进化计算这三个部分，虽然三种技术各不相同但其结合所产生的碰撞带来的是新的机遇。
2计算智能在水利水电工程中的应用
2．1中长期径流预报
随着现代生产发展以及经济活动的需求，各国都加强了对天气的研究与检测。自上个世纪70年代以来，我国气象学研究从短期数值天气预报发展至中期。而由于大气运动具有“不确定性”与“决定性”这双重性质，那么其动力学研究方法与统计学方法需要从另一方面去预测大气活动，将统计与动力结合的计算方法可以说是一种比较理想的研究方法［3］。而由于预测报值的差异铲射了预报结果集，结果集中蕴藏了真实的结果。在预测结果集中筛选而正确的结果则需要集合手段的平滑以及消除集合成员中的随机误差，以此来分析出真实的结果，在其可能产生误差的变动范围内，可以根据计算智能系统中随提供的信息进行科学的决策，以此突出计算智能的统计特征。长期水文预报在气象学发展过程中是一个比较新的研究范围，随着我国不少研究对其展开分析，也取得了一定发展，但仍未对长期水文过程的物理机制有比较清楚的认识，再结合长期水文的地域性与非绝热性的特征，我国水文长期预报中主要有以下三方面问题:
(1)水文部门在过去很长一段时间内是模仿气象部门的预测方法，而气象部门的长期预测其所使用的时间尺度以及空间尺度较大，因此在水文部门的长期预测中不能起到有效的作用［4］。
(2)水文部门在长期预报中多以统计方法进行长期预报。主要是由于水文部门对天气学方法以及能量学方法和动力学方面的研究较少。
(3)纯统计方法的准确度较低，因此，目前的水文部门采供的是在物理分析的基础上，结合具有物理意义的气象因子，并利用大量资料和统计方法的分析，从而建立长期水文预报系统。计算智能是一种被运用于长期水文预报中的新方法，其神经网络是基于连接学说创造的智能仿生模型，是由大量神经元构成的非线性动力学系统，具有较高的组织性、自我处理性、适应性以及应用性的优势，其具有生物神经网络的部分特征，能够进行“自我学习”，因此，能够应用于各种水利水电工程中。相关文献指出，神经网络能够对水文水资源中存在的问题研究提出一种新的研究方向，并且通过三层BP网络模型结构以及参数的线性最小二乘单纯形法，能够适用于水利水电工程中对水文预报的需求。兰州水电站就使用了神经网络预测月径流量，并且其应用结果显示，神经网络用于水文预报中具有较好的应用效果，其效益高于多元回归计算方式［5］。
2．2尾水管压力脉动分析
在机械设备的检测与故障诊断中，常应用其振动信号作为参考数据量，对信号发出的频率以及频带变化，进而将这些变化数值输入诊断系统中就能够得出该设备的运行情况。快速傅里叶变换是现代水利水电工程中应用较多的信号特征分析方法，其主要的问题在于只能对平稳信号作出准确的判断，在波动较大的信号变化中，不能有效的分析其变化规律，小波变化在任何信频中可以反应为母小波的变化，从而得到小波变化的基函数，就能够得出相应的信息。神经网络具有大规模并行、分布式储存与处理、组织性、适应性以及自主学习能力，能够同时处理许多因素和条件、不确定以及模糊的信息问题。水轮机轴系动态特征信息中应用了小职称论文波包的时频局部化分析能力以及最大熵谱估计的频谱细化优点。
作者：谢林勇 单位：江西华瑞建设有限公司
相关专题：焦作大学教务管理系统 徐州服务贸易发展分析
