随着中国市场经济的发展,自来水公司面临着越来越严峻的竞争环境.对水资源进行优化调度是提高经济效益的有效途径.然而,由于各种各样的局限,传统的调度方法不能真正实现优化调度.为此,该文提出了一种基于CBR(CaseBased Reasoning)的调度策略.基于案例的推理是近年来发展起来的解决问题和进行学习的人工智能的方法,并且已经引起了广泛的重视.它起源于美国,其基本思想和理论已经传遍整个世界,我们现在正处于CBR研究最为活跃的时期.首先,该文对CBR以及相关的知识进行综述,描述了这一领域中几个先进的方法.重点提到了一个通用的CBR循环框架,而后对CBR循环中的四个基本方法进行逐一的阐述,包括案例搜索、重用、验证和学习.并且建立了一个基于CBR的自来水优化调度系统流程图.然后,根据城市供水的特征建立了综合解释性预测方法和时间序列方法的基于人工神经元网络模型的动态城市用水量预测模型.把这个水量预测值分配到各个水厂,再用各厂的水量通过等效管网宏观模型得出各监测点的压力值,这些压力值是案例的部分特征.再后,案例库中搜索到的案例的重用是通过重用以前得到解决方案的方法来实现的,即推导策略.这里所提到的方法就是求解调度模型.对调度模型进行求解根据决策变量选择的不同可以分为直接优化调度和两级优化调度.该文对这两种方法进行了对比并且编制了一级优化调度程序.最后,介绍了一个用Java和SQL Server开发的基于CBR的优化调度软件.