粒子群算法在概率积分法沉陷预计模型参数反演中的应用

针对开采沉陷预计模型参数反演所存在的算法复杂、计算量大等缺陷,将粒子群算法引入到概率积分法开采沉陷预计模型参数反演中。研究粒子群算法反演概率积分法预计模型参数的基本原理、编码方法及适应度函数的构造方法,同时结合河北省某煤矿的实测数据,以下沉拟合值与实测值的中误差作为反演精度的评价标准对算法进行实例验证,对提高开采沉陷预计的精度有一定的参考实用价值。     

基于改进人工蜂群算法的概率积分法参数反演

针对传统算法在反演概率积分法参数时易发散且难以获得全局最优解的问题,提出利用自适应人工蜂群算法反演概率积分法参数。根据该算法在求解过程中收敛速度快,获得全局最优解的特点,将参数反演问题转化为组合优化问题,建立了自适应人工蜂群算法的概率积分法预计参数反演流程,并将计算结果与实际值进行对比分析。通过理论分析与实验证明,自适应人工蜂群算法反演概率积分法参数精度高,较最小二乘法和模矢法拟合效果好,可应用于矿山开采沉陷预计。     

条带开采地表沉陷预计参数的确定

概率积分法是条带开采地表移动和变形预计常用的方法,而概率积分法预计的精度取决于其预计参数的确定。以国内大量的条带开采实测资料为基础,应用相似理论对条带开采地表沉陷的相似现象进行了模糊聚类分析,计算出了条带开采地表沉陷预计参数。根据所得条带开采地表沉陷相似现象的分类及其地表沉陷预计参数,应用模式识别对待求条带开采地表沉陷预计参数进行了求取。工程实例表明,用模糊优化确定的预计参数进行条带开采地表移动和变形预计,其预计结果更加可靠、准确。     

EXCEL计算概率积分法预计参数

EXCEL软件是最常用的办公软件之一,本文介绍一种利用EXCEL软件规划求解功能计算开采沉陷预计概率积分法预计参数的方法,很方便地得到了预计参数的优化解,通过实例验证,运用该方法得到的这些参数的解满足开采沉陷预计精度的要求,有很好的应用价值。     

矿山开采沉陷动态参数预计方法的探讨

开采沉陷动态参数预计是矿山开采沉陷学科的核心内容,它对开采沉陷的理论研究和生产实践都有重要意义。本文简要介绍开采沉陷动态参数预计的几种方法,采用编程语言Visual Basic 6.0进行开发,编制了概率积分法求取动态预计参数经验公式的程序。通过实例,取得了较满意的预计参数,对于矿区的开采有一定的指导意义。     

融合InSAR和GA的开采沉陷预计参数反演模型研究

针对基于常规合成孔径雷达差分干涉测量（differential interferometry synthetic aperture radar,D-InSAR）技术成果无法反演全部概率积分参数问题,开展了融合D-InSAR和遗传算法（genetic algorithm,GA）的概率积分参数反演方法研究。①依据采动区D-InSAR视线（line of sight,LOS）方向变形为下沉和南北、东西方向水平移动沿LOS方向投影的关系,基于GA理论,首次构建了融合D-InSAR和GA的概率积分法预计全参数反演模型,并编制了求参软件。模拟实验结果表明,q、tanβ、b、θ的相对误差不超过6.7%,拐点偏移距S相对误差不超过20%（参数敏感度低,对求参整体效果影响小）;求参拟合下沉误差为-5.90~6.10 mm,拟合中误差约为±2.20 mm,整体求参效果较好。②利用融合D-InSAR和GA的概率积分法预计全参数反演模型,在一定的假设条件下,对2012年3月11日9310工作面开采沉陷的动态概率积分参数进行了求取,得到q=0.172,b=0.13,tanβ=2.08,θ=88°,S₁=-10 m,S₂=9 m,S₃=-85 m,S₄=30 m,拟合误差约为-35.00~45.00 mm,拟合中误差为±15.16 mm,并认为S₃=-85 m主要为9310工作面开采导致邻近9312采空区边界的悬臂梁或砌体梁失稳"活化"所致。     

基于P-SA-PSO算法的概率积分法参数反演

针对目前概率积分法参数反演存在的问题,为了更加准确稳定地解算出概率积分法参数,在经典粒子群算法的基础上,引入自适应惯性权重以及模拟退火算法中的Metropolis准则,提出了一种基于P-SA-PSO算法的概率积分模型参数反演方法。论文通过仿真实验,与遗传算法(GA)、经典粒子群算法(PSO)以及加入自适应惯性权重优化的粒子群算法(P-PSO)进行对比分析,结果表明：新算法反演各参数的精确性、稳定性和收敛速度优于其他3种算法。将新算法引入工程实例中,进一步体现了新算法在反演概率积分模型参数上的可行性。     

概率积分预计参数的神经网络优化算法

在分析BP神经网络不足的基础上,为提高概率积分法进行开采沉陷预计时所采用的预计参数的正确性,该文建立了地质采矿条件与预计参数之间的非线性关系,以我国43个地表移动观测站的实测数据为训练和测试样本,采用多种群遗传算法(MPGA)优化BP神经网络的权值和阈值,构建新的概率积分法参数解算方法。计算结果表明,较单纯的BP神经网络算法和标准的遗传算法而言,MPGA算法优化的BP神经网络算法解算的预计参数具有更高的相对精度,这对于获取待研究区域的高精度概率积分法预计参数具有良好的指导意义。     

概率积分法预计参数解算的总体最小二乘岭估计法

将总体最小二乘平差方法应用于矿山开采沉陷概率积分法预计参数的解算,建立了概率积分法总体最小二乘平差模型,给出了非线性总体最小二乘平差的迭代算法。并以淮南矿区谢桥矿某工作面为例,考虑观测方程系数阵病态性的影响,分别采用最小二乘岭估计法和总体最小二乘岭估计法解算预计参数,计算表明,采用总体最小二乘岭估计法在解算预计参数时精度更高,且拟合参数的估值受到模型参数初值的影响。     

基于Python的开采沉陷预计算法

开采沉陷预计在矿山资源开发利用中具有重要作用.利用Python的scipy科学计算模块实现了开采造成的地表任意点移动变形预计,从概率积分函数构造、影响圆、数组通用函数、坐标系选择和预计点密度设计等技术途径研究了程序优化的方法,从而达到提高预计效率的目的,并采用matplotlib绘图模块实现了变形等值线图、等值线云图和三维曲面图的绘制.研究结果对采用VC++等其他平台进行沉陷预计程序开发有一定参考价值.