金属矿山

作者：乔薄庆,郭庆彪,罗锦,余庆,万战胜

单位：(1. 安徽理工大学空间信息与测绘工程学院,安徽 淮南 232001;2. 安徽理工大学矿业工程学院,安徽 淮南 232001;3. 河南省交通规划设计研究院股份有限公司,河南 郑州 450000)

关键词：开采沉陷预计,概率积分法,蛇优化算法,Tent 映射,减法优化器,透镜反向学习,

精确获取开采沉陷预计模型参数是准确预测煤炭开采沉陷的关键,智能优化算法为精确求解开采沉陷预计模型参数提供了新方法。标准蛇优化(Snake Optimizer,SO)算法在开采沉陷领域鲜有应用,且存在初始阶段收敛缓慢、阶段间交互有限、倾向于向局部最优收敛的问题。为此,结合Tent 映射、减法优化器算法和透镜反向学习策略,提出了一种改进的蛇优化算法(Improved Snake Optimizer,ISO),并应用于概率积分法(Probability Integral Method,PIM)参数反演研究。模拟试验结果表明,ISO 算法反演PIM 参数的最大均方根误差、最大相对误差绝对值分别不超过0. 020、0. 016%,反演结果精度高、准确性强。在扩大参数波动范围、实测数据中加入粗差以及实测数据中加入高斯噪声3 种条件下,ISO 算法反演结果的最大均方根误差分别小于0. 029、0. 422、0. 147,最大相对误差绝对值分别不超过0. 046%、0. 643%、0. 228%。ISO 算法在参数反演过程中表现出较强的全局搜索性能、抗粗差干扰能力以及抗高斯噪声干扰能力。利用ISO 算法反演顾桥煤矿1414(1)工作面PIM 参数,结果表明:参数q、tanβ、b 的均方根误差均小于0. 042,参数θ、Su、Sd、Sl 和Sr 的均方根误差均小于3. 472,反演结果较SO 算法和猎人猎物优化算法具有较高的精度水平,下沉值拟合均方根误差和水平移动值拟合均方根误差的平均值为93. 82 mm,满足工程应用精度要求。

来源：2025年第4期

《金属矿山》期刊编辑部

查看金属矿山杂志2025年第4期