东莞市颐和园林建设工程有限公司
摘要：进入新时期以后，我国科学技术水平日益提升，现如今，其已达到了世界先列，基于这种发展背景，计算智能得到了广泛的应用，尤其在水利水电工程中，不仅实现了工程质量和施工过程控制的最优化，而且也提高了水利水电工程的社会作用，使之为我国社会经济建设，贡献出最大的力量。因此，本文也会对计算智能进行深入的分析，并根据其在水利水电工程中的运用情况，提出一些有效的完善措施，以便为相关人士作为参考借鉴。
关键词：计算智能；水利水电工程；运用分析
水利水电工程是一项与国计民生息息相关的基础设施，其在近年来的发展速度十分迅猛，既满足了人们的生产生活需求，又为社会经济发展做出了很大的贡献。之所以取得这样显著的成效，离不开计算智能的有效运用，其是一种新时期的科技产物，在水利水电工程实施建设过程中，起到了极大的指导作用，不仅帮助相关单位提高了径流预报的精确性和实效性，而且也为抗洪抢险提供了有效的参考依据，实现了水利水电工程的可持续发展，因此，对计算智能进行深入的探究，很有必要。
1.计算智能概述
计算智能（computationalintelligence），起源于19世纪的美国，其主要是由模糊技术、进步计算以及神经网络这三大结构所组成，其中，进步计算又可分为进化规划、策略以及遗传编程和算法这四个分支结构。在实际运用时，计算智能主要针对一些极为复杂的因素，如：时间不可逆性因素、非线性因素、不确定性因素等，以期通过科学解释和分析计算，使之得到有效的处理。
在这一过程中，模糊技术、进步计算以及神经网络所起到的功能作用完全不同，例如，模糊技术一般必须通过描述和应用，才能处理那些的高深度数据，但是其推理作用却十分明显；而神经网络，则是通过一定的学习后，才能对相关数据进行分析和计算，但是其搜索能力以及学习精度却是极为强烈；进化计算，则是能够对一切数据信息直接进行分析和求解，其无论是稳健性，还是优化性，都较模糊技术和神经网络高很多。
由此可以看出，计算智能中的三大组成结构虽然各自拥有独立的个性功能，但是相互之间却有着相辅相成、相互促进的合作关系，若是将三者进行有机结合，则会产生更为强大的技术动力。此外，计算智能在机器学习和过程控制等方面都有着很好的应用优势，尤其是在机器学习领域中，神经网络以及支持向量机起到的作用最为重要，与传统神经网络相比，不仅学习能力更为进步，而且还能降低风险，这点在现下水利水电工程应用中最为能体现。
2.水利水电工程中计算智能的具体运用
2.1中长期径流预报
随着生产力的不断提高，社会对于经济活动的需求也越来越多样化，特别是在对天气的研究和检测上，因为大气运动本身具有很大的不确定性和决定性，必须对其活动规律进行全面的预测和分析，这样才能避免各种自然灾害的发生。而计算智能就可以帮助相关单位实现这一目标，其在实际应用时，可以利用一定的统计学和动力学来对大气活动进行精准的预测，并将所有预测结果进行集中整合，进以择优入取，选择正确的结果作为方案制定的参考依据，而那些存有误差的结果，则要将其与真实的结果的进行比对和分析，这样既可以实现对误差的有效纠正，又能为决策方案的合理制定提供可靠的数据支撑，进而最大化体现计算智能的统计特征。
在现代气象学发展历程中，水文预报一直是一个值得探究的新的研究项目，相关学者在这方面也做出了一定的研究成效，并且通过水文预报，还对物理机制给予了正确的认知，进而在某种程度上大大促进了长期水文地域性和非绝热性的有效结合。因为以往长期水文预报只能对气象部门大气活动预测方法进行模仿，而由于气象部门在空间和时间上的尺度比较明显，所以这种传统式的水文预报方式只能发挥出一些表面作用。另外，受传统思想所束缚，很多水文部门所进行水文预报工作依然是按照以往的方式和方法来进行，相对，对于能量学方法和动力学方法的运用却是极为忽视，这就使得最终的统计结果与实际标准出现较大的偏差。
随着时代的不断发展，当前我国水文部门在进行长期水文预报时，都会积极采用计算智能，因为其所包含的神经系统具有较高的分析能力和学习能力，该系统主要是以连接学说为基础的一种智能仿生模型，其内含大量的神经元系统，从本质上看，具有一定的非线性特征。据相关实践证明，神经系统的组织性、自我处理性、适应性十分之高，再加上生物神经网络的构成，使之在自我学习方面也会发挥出较大的优势，因此在现下大部分水利水电工程中，都有着很好的应用。基于现下水文水资源中存在的各种问题，神经网络可以为其提供最优的解决方案，采用三层BP网络模型结构和二乘单纯形法，可以有效的满足长期水文预报需求，全面解决水资源问题。例如，我国兰州水电站在预测月径流量时，就是通过神经网络的利用来得以实现的，若是与传统水文计算方式进行比较，该计算智能系统会帮助水电站获得较大的经济效益和社会效益。
2.2尾水管压力脉动分析
一般情况下，在进行机械设备装填检测工作时，相关工作人员都会采用振动信号，即将其作为特征参量，以便通过这些振动信号，来获取所需的特征参数，然后再将这些特征参数输入到相应的诊断系统中，这样就可直接对机械设备的运行状况进行准确的判断。
目前，应用率最高的机械设备装填检测方法主要以快速傅里叶变换法为主，但是在实际运行时，这种特征提取方法也存在很大的缺陷和不足，其仅仅将定理稳定的平稳信号作为特征参量，却无法将平稳信号和随时变化规律很好的反映出来，若是在这一期间出现小型的波动，则任何信号都能直接体现出小波基函数特征，而要想保证实际信息量的完整性，则就要对分布的各个频带进行分裂式排序。
因此，这就需要利用计算智能来进行，因为其所包含的人工神经网络，其不仅并行方式属于大范围模式，而且存储结合处理方式也是以分布式为主，在实际运用时，能够发挥出极强的自组织能力、自适应能力以及自学习能力。与此同时，人工神经网络还会结合实际情况，对那些不精确的模糊信息进行有效纠偏和分析，同时要考虑各种因素和条件，需要进行处理，对于不精确和}模糊的信息需要进行处理。在检测尾水管压力脉动参数时，其还会通过径向基神经网络，来获取相应的小波动变化故障诊断知识。并且在此基础上，还会利用小波包和局部面化分析方法，以便更好的发挥出频谱细化优势，保证压力动脉参数的准确性和实效性。据相关实践证明，人工神经网络对振动信号可以进行多次分辨和分解，并能够精确的提取将故障特征信息、分析频谱，进而帮助相关工作人员对水轮机轴系运行情况做出准确的判断。
结束语
综上所述，随着我国计算机技术的不断发展，计算智能的应用范围也在不断扩大，其在现下水利水电工程中的应用取得了显著成效，具体主要体现在中长期径流预报及尾水管压力脉动分析上。相信在未来的发展过程中，计算智能会与水利水电工程运营发展达到同步，因此，相关工作人员一定要结合实际需求，注重对其的优化和创新，这样才能进一步发挥出计算智能的优势，更好的为社会生产所服务。
参考文献：
[1]XieLinYong.ApplicationprogressofComputationalIntelligenceinwaterconservancyandhydropowerprojects[J]BuildingmaterialsinJiangxiProvince，2017，06：55-56
[2]许世刚，计算智能及其在水利水电工程中的应用[J]水利水电工程，2017，08：39-40
[3]浦仕虎.计算智能在水利水电工程中的应用研究[J]建材与装饰，2017，11：22-23