金属矿山

作者：梅寒陈炳乾,王正帅高建余昊

单位：1. 江苏师范大学地理测绘与城乡规划学院，江苏 徐州 221116；2. 长安大学地质工程与测绘学院，陕西 西安 710054

关键词：开采沉陷预计,智能优化算法,概率积分法,参数反演,

基金：国家自然科学基金项目（编号：41702375）；中国博士后基金项目（编号：2019M663601）；江苏高校优势学科建设工程资助项目（编号：PAPD）；徐州市重点研发计划（社会发展）项目（编号：KC20180）；江苏省研究生科研创新计划项目（编号：KYCX20_2371）。

传统的概率积分法求参方法虽能较为精确地反演参数，但存在对工作面的类型以及测站的布设要求高、计算工作量大、效率低等不足，智能算法为精确确定概率积分模型最优参数提供了新方法。为探究不同智能优化算法在概率积分法求参过程中的性能，采用Matlab编程语言编写了模矢法、遗传算法、文化-粒子群算法、粒子群算法、果蝇算法和蚁群算法的运算程序，通过模拟试验，分别从算法的反演准确性、稳定性、抗误差干扰能力、全局寻优能力以及运行效率等方面进行了对比与分析。结果表明：当参数初值接近真值时，模矢法的反演准确性和效率最高；当参数初值与真值相差较大时，模矢法会陷入局部最优解，此时遗传算法的反演准确性和稳定性最强。从参数反演准确性和效率综合考虑，当参数范围已知时，最优算法为模矢法；当参数范围未知时，最优算法的选择依次为文化-粒子群算法、遗传算法、果蝇算法、粒子群算法、蚁群算法和模矢法。

来源：2021年第05期

《金属矿山》期刊编辑部

查看金属矿山杂志2021年第05期