【技术实现步骤摘要】
一种基于黑猩猩优化算法的煤矿开采沉降预测模型参数反演方法
[0001]本专利技术属于煤矿开采沉降预测
，具体涉及一种基于黑猩猩优化算法的煤矿开采沉降预测模型参数反演方法。
技术介绍
[0002]国民经济的发展离不开煤炭资源，在煤炭资源迅速开采的同时，由于其开采工作面范围广、层数多而且深度有限，导致了一系列的开采沉陷发生。预测开采沉陷是预防和降低开采沉陷损害风险的前提，准确分析和预测开采沉陷尤为重要。精确的参数和可靠的预测模型可以准确的预测出地表沉陷变形值，因此，研究精确的概率积分参数反演方法具有十分重要的意义。
[0003]概率积分法是现有煤矿开采沉降预测中比较成熟且广泛应用的方法之一。概率积分法的预计参数是通过反演地表移动监测站实测数据得到的，反演方法经历了直接反演、实验设计法反演到优化算法反演、智能算法反演的过程。由于概率积分函数的复杂性，直接反演方法迭代过程易于发散，通常难以实现。线性最小二乘法直接反演结果精度较高，但初始值选取不当易导致参数计算失败。正交实验设计方法可以较好地解决根据实测数据获取任意形状...
【技术保护点】
【技术特征摘要】
1.一种基于黑猩猩优化算法的煤矿开采沉降预测模型参数反演方法，其特征在于，包括如下步骤：S1：初始化黑猩猩优化算法下的黑猩猩种群大小N以及算法最大迭代次数t
max
，并生成初始黑猩猩种群，并基于预先选定的煤矿区对应的预计参数构建所述黑猩猩种群内的黑猩猩向量CHOA＝[qtanβbθ0S1S2S3S4]；其中，所述预计参数包括所述煤矿区的下沉系数q、主要影响角正切值tanβ、开采影响传播角θ0、水平移动系数b、下山边界拐点偏移距S1、上山边界拐点偏移距S2、左开采边界拐点偏移距S3和右开采边界拐点偏移距S4；S2：依据初始化算法对所述黑猩猩向量CHOA＝[qtanβbθ0S1S2S3S4]进行处理以生成所述黑猩猩种群中每个黑猩猩的位置，依据所述煤矿区的实测信息构建适应度函数并计算每个黑猩猩位置的适应度，并将对应适应度最小的黑猩猩位置定义为黑猩猩初始最优位置；S3：基于所述黑猩猩初始最优位置对所述黑猩猩种群的预设狩猎过程进行迭代，并实时更新所述优化算法参数以及所述黑猩猩位置，并设定迭代次数t>t
max
时为终止条件，到达所述终止条件后输出所述黑猩猩种群内黑猩猩最优解向量CHOA＝[qtanβbθ0S1S2S3S4]；其中，预设狩猎过程包括驱赶和追逐猎物、攻击和寻找猎物。2.根据权利要求1所述的一种基于黑猩猩优化算法的煤矿开采沉降预测模型参数反演方法，其特征在于：步骤S2中，依据所述煤矿区的实测信息构建适应度函数并计算每个黑猩猩位置的适应度，具体为：读取煤矿区实测信息中开采工作面信息、各观测点的坐标数据(x,y)及其对应的下沉值W
xy0
和水平移动值U
xy0
，并将黑猩猩向量CHOA＝[qtanβbθ0S1S2S3S4]代入概率积分法下沉值和水平移动值的计算公式中，得到观测点下沉值预测值W
xy
和水平移动值预测值U
xy
，基于实测下沉值W
xy0
和水平移动值U
xy0
分别与相对应的预测值之差的平方和构建适应度函数F＝∑[(W
xy
‑
W
xy0
)2+(U
xy
‑
U
xy0
)2]，根据适应度函数确定黑猩猩种群中每个黑猩猩位置的适应度。3.根据权利要求2所述的一种基于黑猩猩优化算法的煤矿开采沉降预测模型参数反演方法，其特征在于：所述下沉值计算公式为：W0＝mqcosαcosα所述水平移动值计算公式为：
其中，A＝(D3‑
S3‑
S4)))式中，W0表示地表最大下沉值，α为煤层倾角，ψ表示地表任意点因开采沉陷产生的偏移，其值为x轴正向沿逆时针方向旋转至指定位置的角度，l1、l3分别为倾向和走向的计算长度，D1、D3分别为工作面的倾向长和走向长，r、r1、r2分别为走向方向、下山方向和上山方向的主要影响半径，H、H1、H2分别为走向主断面采深、工作面下边界采深、工作面边界采深。4.根据权利要求1所述的一种基于黑猩猩优化算法的煤矿开采沉降预测模型参数反演方法，其特征在于：步骤S3中，所述驱赶和追逐猎物的数学表达式为：d＝|c
·
X
prey
(t)
‑
m
·
X
chimp
(t)|X
【专利技术属性】
技术研发人员：郭庆彪，余庆，陈佳慧，杨家胜，唐佳丰，
申请(专利权)人：安徽理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。