水利水電工程是我國發展政策的重點，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展優先于火電與核電，并積極尋找新能源，將水電作為第一發展資源是我國發展的重要決策。水利水電工程在運行過程中需要比較精準的徑流預報，能夠為水電工程在洪旱調度以及經濟運行中作出正確的決策提供依據，是水庫調度與電力調度部門工作中的重要信息資源，也是水電站在處理旱災、洪澇、灌溉、供水等調度工作的重點，是實現水能合理運用以及水電站經濟效益的基礎。文章主要就計算智能在水利水電工程應用研究展開分析，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，將復雜的問題作為計算對象，是現代數學與計算機發展的產物，其主要對常規方法無法解決的問題進行運算。傳統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確性[1].
模糊系統對于描述以及經驗汲取具有較好的應用； 而神經網絡能夠從網絡數據中學習經驗與技能欄； 進化計算能夠對復雜的問題提出最佳的解決措施，并具有較高的穩定性和優化性。模糊系統在推理能力方面優于神經網絡以及進化計算，而進化計算以及神經網絡在學習、搜索功能方面高于模糊系統。進化計算在搜索的范圍以及適應性方面優于神經網絡，但神經網絡在優化性以及學習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、神經網絡以及進化計算這三個部分，雖然三種技術各不相同但其結合所產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用
2. 1 中長期徑流預報
隨著現代生產發展以及經濟活動的需求，各國都加強了對天氣的研究與檢測。自上個世紀 70 年代以來，我國氣象學研究從短期數值天氣預報發展至中期。而由于大氣運動具有“不確定性”與“決定性”這雙重性質，那么其動力學研究方法與統計學方法需要從另一方面去預測大氣活動，將統計與動力結合的計算方法可以說是一種比較理想的研究方法[3].而由于預測報值的差異鏟射了預報結果集，結果集中蘊藏了真實的結果。在預測結果集中篩選而正確的結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果，在其可能產生誤差的變動范圍內，可以根據計算智能系統中隨提供的信息進行科學的決策，以此突出計算智能的統計特征。
長期水文預報在氣象學發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，也取得了一定發展，但仍未對長期水文過程的物理機制有比較清楚的認識，再結合長期水文的地域性與非絕熱性的特征，我國水文長期預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是模仿氣象部門的預測方法，而氣象部門的長期預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測中不能起到有效的作用[4].（ 2） 水文部門在長期預報中多以統計方法進行長期預報。主要是由于水文部門對天氣學方法以及能量學方法和動力學方面的研究較少。（ 3） 純統計方法的準確度較低，因此，目前的水文部門采供的是在物理分析的基礎上，結合具有物理意義的氣象因子，并利用大量資料和統計方法的分析，從而建立長期水文預報系統。
計算智能是一種被運用于長期水文預報中的新方法，其神經網絡是基于連接學說創造的智能仿生模型，是由大量神經元構成的非線性動力學系統，具有較高的組織性、自我處理性、適應性以及應用性的優勢，其具有生物神經網絡的部分特征，能夠進行“自我學習”,因此，能夠應用于各種水利水電工程中。相關文獻指出，神經網絡能夠對水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 網絡模型結構以及參數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報的需求。蘭州水電站就使用了神經網絡預測月徑流量，并且其應用結果顯示，神經網絡用于水文預報中具有較好的應用效果，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
在機械設備的檢測與故障診斷中，常應用其振動信號作為參考數據量，對信號發出的頻率以及頻帶變化，進而將這些變化數值輸入診斷系統中就能夠得出該設備的運行情況?？焖俑道锶~變換是現代水利水電工程中應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信號作出準確的判斷，在波動較大的信號變化中，不能有效的分析其變化規律，小波變化在任何信頻中可以反應為母小波的變化，從而得到小波變化的基函數，就能夠得出相應的信息。神經網絡具有大規模并行、分布式儲存與處理、組織性、適應性以及自主學習能力，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。水輪機軸系動態特征信息中應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點。
3 結束語
隨著我國計算技術的不斷提高，計算智能的發展為我國許多工程活動提供了便利，為其作出正確的決策提供科學依據。文章首選闡述了計算智能的構成與內涵，并對其在水利水電工程工程中的應用進行分析，主要闡述了其在中長期徑流預報以及尾水管壓力脈動分析方面的作用。
參考文獻
[1]浦仕虎。 計算智能在水利水電工程中的應用研究[J]. 建材與裝飾，2014,12（ 21） : 219 - 220.
[2]林小平，周石琳，張官亮等。 基于計算智能的圖像拼接系統設計與實現[J]. 現代電子技術，2013,22（ 12） : 49 -52.
[3]胡雷剛，肖明清。 基于計算智能和信息熵的故障組合預測研究[J].測試技術學報，2012,26（ 2） : 162 -170.
[4]李守巨。 基于計算智能的巖土力學模型參數反演方法及其工程應用[J]. 巖石力學與工程學報，2015,24（ 2） : 343 -343.
[5]計算智能及其在采礦工程中的應用[J]. 金屬礦山，2015,21（ 15） : 6- 9.
