水利水電工程是我國發(fā)展政策的重點，主要是由于水電的效益高、污染小，因此，我國將水利工程的發(fā)展優(yōu)先于火電與核電，并積極尋找新能源，

水電作為第一發(fā)展資源是我國發(fā)展的重要決策。水利水電工程在運行過程中需要比較精準(zhǔn)的徑流預(yù)報，能夠為水電工程在洪旱調(diào)度以及經(jīng)濟運行中作出正確的決策提供依據(jù)，是水庫調(diào)度與電力調(diào)度部門工作中的重要信息資源，也是水電站在處理旱災(zāi)、洪澇、灌溉、供水等調(diào)度工作的重點，是實現(xiàn)水能合理運用以及水電站經(jīng)濟效益的基礎(chǔ)。文章主要就計算智能在水利水電工程應(yīng)用研究展開分析，報道如下。

1計算智能的簡介

計算智能是以不確定性、非線性以及時間不可逆性為運算特征，將復(fù)雜的問題作為計算對象，是現(xiàn)代數(shù)學(xué)與計算機發(fā)展的產(chǎn)物，其主要對常規(guī)方法無法解決的問題進行運算。傳統(tǒng)的人工智能是基于符號處理機制，其在知識表達、信息處理以及解決組合問題等方面的表現(xiàn)并不理想。因此，研究新的解決方法來提高人工智能的靈活性與準(zhǔn)確性［1］。模糊系統(tǒng)對于描述以及經(jīng)驗汲取具有較好的應(yīng)用;而神經(jīng)網(wǎng)絡(luò)能夠從網(wǎng)絡(luò)數(shù)據(jù)中學(xué)習(xí)經(jīng)驗與技能欄;進化計算能夠?qū)��?fù)雜的問題提出最佳的解決措施，并具有較高的穩(wěn)定性和優(yōu)化性。模糊系統(tǒng)在推理能力方面優(yōu)于神經(jīng)網(wǎng)絡(luò)以及進化計算，而進化計算以及神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)、搜索功能方面高于模糊系統(tǒng)。進化計算在搜索的范圍以及適應(yīng)性方面優(yōu)于神經(jīng)網(wǎng)絡(luò)，但神經(jīng)網(wǎng)絡(luò)在優(yōu)化性以及學(xué)習(xí)能力方面強于進化計算［2］。而計算智能則是涵蓋了模糊系統(tǒng)、神經(jīng)網(wǎng)絡(luò)以及進化計算這三個部分，雖然三種技術(shù)各不相同但其結(jié)合所產(chǎn)生的碰撞帶來的是新的機遇。

2計算智能在水利水電工程中的應(yīng)用

2．1中長期徑流預(yù)報

隨著現(xiàn)代生產(chǎn)發(fā)展以及經(jīng)濟活動的需求，各國都加強了對天氣的研究與檢測。自上個世紀(jì)70年代以來，我國氣象學(xué)研究從短期數(shù)值天氣預(yù)報發(fā)展至中期。而由于大氣運動具有“不確定性”與“決定性”這雙重性質(zhì)，那么其動力學(xué)研究方法與統(tǒng)計學(xué)方法需要從另一方面去預(yù)測大氣活動，將統(tǒng)計與動力結(jié)合的計算方法可以說是一種比較理想的研究方法［3］。而由于預(yù)測報值的差異鏟射了預(yù)報結(jié)果集，結(jié)果集中蘊藏了真實的結(jié)果。在預(yù)測結(jié)果集中篩選而正確的結(jié)果則需要集合手段的平滑以及消除集合成員中的隨機誤差，以此來分析出真實的結(jié)果，在其可能產(chǎn)生誤差的變動范圍內(nèi)，可以根據(jù)計算智能系統(tǒng)中隨提供的信息進行科學(xué)的決策，以此突出計算智能的統(tǒng)計特征。長期水文預(yù)報在氣象學(xué)發(fā)展過程中是一個比較新的研究范圍，隨著我國不少研究對其展開分析，也取得了一定發(fā)展，但仍未對長期水文過程的物理機制有比較清楚的認(rèn)識，再結(jié)合長期水文的地域性與非絕熱性的特征，我國水文長期預(yù)報中主要有以下三方面問題:

(1)水文部門在過去很長一段時間內(nèi)是模仿氣象部門的預(yù)測方法，而氣象部門的長期預(yù)測其所使用的時間尺度以及空間尺度較大，因此在水文部門的長期預(yù)測中不能起到有效的作用［4］。

(2)水文部門在長期預(yù)報中多以統(tǒng)計方法進行長期預(yù)報。主要是由于水文部門對天氣學(xué)方法以及能量學(xué)方法和動力學(xué)方面的研究較少。

(3)純統(tǒng)計方法的準(zhǔn)確度較低，因此，目前的水文部門采供的是在物理分析的基礎(chǔ)上，結(jié)合具有物理意義的氣象因子，并利用大量資料和統(tǒng)計方法的分析，從而建立長期水文預(yù)報系統(tǒng)。計算智能是一種被運用于長期水文預(yù)報中的新方法，其神經(jīng)網(wǎng)絡(luò)是基于連接學(xué)說創(chuàng)造的智能仿生模型，是由大量神經(jīng)元構(gòu)成的非線性動力學(xué)系統(tǒng)，具有較高的組織性、自我處理性、適應(yīng)性以及應(yīng)用性的優(yōu)勢，其具有生物神經(jīng)網(wǎng)絡(luò)的部分特征，能夠進行“自我學(xué)習(xí)”，因此，能夠應(yīng)用于各種水利水電工程中。相關(guān)文獻指出，神經(jīng)網(wǎng)絡(luò)能夠?qū)λ�文水資源中存在的問題研究提出一種新的研究方向，并且通過三層BP網(wǎng)絡(luò)模型結(jié)構(gòu)以及參數(shù)的線性最小二乘單純形法，能夠適用于水利水電工程中對水文預(yù)報的需求。蘭州水電站就使用了神經(jīng)網(wǎng)絡(luò)預(yù)測月徑流量，并且其應(yīng)用結(jié)果顯示，神經(jīng)網(wǎng)絡(luò)用于水文預(yù)報中具有較好的應(yīng)用效果，其效益高于多元回歸計算方式［5］。

2．2尾水管壓力脈動分析

在機械設(shè)備的檢測與故障診斷中，常應(yīng)用其振動信號作為參考數(shù)據(jù)量，對信號發(fā)出的頻率以及頻帶變化，進而將這些變化數(shù)值輸入診斷系統(tǒng)中就能夠得出該設(shè)備的運行情況。快速傅里葉變換是現(xiàn)代水利水電工程中應(yīng)用較多的信號特征分析方法，其主要的問題在于只能對平穩(wěn)信號作出準(zhǔn)確的判斷，在波動較大的信號變化中，不能有效的分析其變化規(guī)律，小波變化在任何信頻中可以反應(yīng)為母小波的變化，從而得到小波變化的基函數(shù)，就能夠得出相應(yīng)的信息。神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行、分布式儲存與處理、組織性、適應(yīng)性以及自主學(xué)習(xí)能力，能夠同時處理許多因素和條件、不確定以及模糊的信息問題。水輪機軸系動態(tài)特征信息中應(yīng)用了小波包的時頻局部化分析能力以及最大熵譜估計的頻譜細化優(yōu)點。