论文中,主要是针对水电运行仿真系统中原有的温度模型的不足,提出了基于神经元网络的新的模型;给出了问题的解决方法—用BP网络进行实现;最后,并对新旧模型进行了性能分析.在该文中,首先是对水电运行仿真系统总体进行介绍,主要讲述了水电运行仿真系统的仿真环境,软,硬件的构成以及系统的整体结构;其次是介绍了神经元网络理论的一些基础知识和历史,特别着重介绍了该文中要用到的BP神经元网络;接着对水电运行仿真系统中,与温度模型相关的水机部分的内容进行了简单介绍,着重讲述了温度模型的原理及其数学模型与实际应用,并分析了这个模型存在的问题;该文的重点,提出了对原温度模型存在问题的修改方法:利用神经元网络理论来改进旧的模型.文中,构造了一个输入层、隐含层,输出层神经元个数分别为9、15、3的三层BP网络,然后在WINDOWS2000平台上,利用VC++6.0实现了这个BP网络;从现场获得的数据中,预选择了200对作为网络的训练样本,利用这些样本,对BP网络进行了多次、反复训练.在训练过程中,不断调整BP网络的学习系数、允许最大误差等系数,一直到网络训练完成;最后是对改进后的温度模型进行测试和评估,将新、旧模型的结果进行了比较,得出改进模型系统性能的结论,表明用BP网络进行温度模型的仿真是可行的.