量子粒子群算法反演概率积分法参数

摘要：

概率积分法预计模型反演参数过程中存在计算量大、过程复杂等问题,现有的智能优化算法可以弥补这些不足,但存在易陷入早熟收敛、粒子全局搜索效果较差、收敛速度较慢等缺陷.通过试验发现量子粒子群(Quantum-behaved Particle Swarm Optimization Algorithm,QPSO)算法能够在保证精度不变的基础上极大降低算法的运行时间,并降低粒子陷入早熟收敛的概率,将粒子扩大为全局唯一的解空间.将量子粒子群算法引入到开采沉陷预计参数求解中,以下沉和移动变形的实测值与预计值之差的绝对值累加和最小为求参代价函数,构建了基于QPSO算法的概率积分法参数反演模型.研究结果表明:①模拟试验中,在相同的运行环境下,QPSO算法与粒子群(Particle Swarm Optimization,PSO)算法的求参精度相当,QPSO算法求参稳定性略高,且求参效率大幅度提高(QPSO算法运行时间比PSO算法减少近90％),验证了基于QPSO算法的概率积分法参数反演模型的有效性与可靠性;②利用所建立的QPSO参数反演模型求解了顾桥南矿1414(1)工作面概率积分法参数,求取结果为:q=1.0415,tanβ=1.9108,b=0.3742,θ=85.0869,S1=55.6635 m,S2=37.1618 m,S3=-0.6670 m,S4=-9.7980 m,下沉与水平移动拟合中误差为72.04 mm,符合工程应用标准,尽管QPSO算法与PSO算法求解精度相当,但运算效率显著提高.所构建的模型对于开采沉陷预计参数精准反演具有一定的参考价值.

关键词：开采沉陷、概率积分法、参数反演、粒子群优化算法、量子粒子群优化算法

分类号：TD325(矿山压力与支护)

资助基金：国家自然科学基金项目;江苏省资源环境信息工程重点实验室开放基金项目

在线出版日期：2020-08-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：161-169