ニューロ・ファジーシステムを用いた多目的貯水池の確率論的操作

Abstract

本研究では，確率的ニューラルネットワーク（ＳＦＮＮ）と名付けたシステム最適化方法を新たに提案する．それは，推計学的に習練されたニューロ・ファジーシステムであり，準最適解を生み出せる方法として定義されている。この方法は，必要性のある後退スキームをはじめとしてＳＤＰモデルに関する諸問題を克服するために考案している。本提案方法の検証を目的として，確率変数を流入量として，実ケースの貯水池最適化と操作を用いて考察した。同一の最適化問題について本提案手法と他のＤＰアプローチとで結果を比較したところ，ＳＦＮＮは最適化の結果に改善が見られた。さらに，確率的流入量を見出す際には，流入量の離散化における不確実性を扱うためにファジー事象の条件付確率の利用を提案した。この貯水池操作の多目的最適化においては，他の目的と容易に比較できるようにファジー論理を扱った。

We introduce a new approach for system optimization, named stochastic fuzzy neural network, which can be defined as a neurofuzzy system that is stochastically trained and can yield a ‘quasi’ optimal solution. The method intends to overcome some of the problems related to stochastic dynamic programming models. For validation, a real case of storage reservoir optimization with stochastic inflow discharge is considered. The SFNN model proved to show improvements in the optimization results. Moreover, to deal with the uncertainties related to discretization of inflows in finding the stochastic representative inflows, conditional probability of a fuzzy event is used.