CN110610017B - 一种基于改进烟花算法的开采沉陷预计参数求解方法 - Google Patents
一种基于改进烟花算法的开采沉陷预计参数求解方法 Download PDFInfo
- Publication number
- CN110610017B CN110610017B CN201910641608.5A CN201910641608A CN110610017B CN 110610017 B CN110610017 B CN 110610017B CN 201910641608 A CN201910641608 A CN 201910641608A CN 110610017 B CN110610017 B CN 110610017B
- Authority
- CN
- China
- Prior art keywords
- explosion
- firework
- parameter
- value
- fireworks
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 48
- 238000005065 mining Methods 0.000 title claims abstract description 41
- 238000004880 explosion Methods 0.000 claims description 60
- 238000013507 mapping Methods 0.000 claims description 22
- 230000010354 integration Effects 0.000 claims description 15
- 230000006872 improvement Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000005474 detonation Methods 0.000 claims description 3
- 239000002360 explosive Substances 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000003245 coal Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000028257 Joubert syndrome with oculorenal defect Diseases 0.000 description 1
- 241000255588 Tephritidae Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出一种基于改进烟花算法的开采沉陷预计参数求解方法,拟将烟花算法引入到概率积分参数反演中,首先根据概率积分参数求参模型的特点改进了烟花算法,然后详细构建了基于改进烟花算法的概率积分法参数反演模型及参数体系,最终提出一种基于改进烟花算法的开采沉陷预计参数求解方法。为矿区开采沉陷预计参数求解提供一种准确、可靠的新途径。
Description
技术领域
本发明涉及矿山变形监测数据处理领域,尤其是一种基于改进烟花算法的开采沉陷预计参数求解方法。
背景技术
开采沉陷预计理论对于指导建筑物下、铁路下、水体下的开采,评估潜在地质灾害,分析矿区沉降机理具有至关重要的作用。因而开采沉陷预测及防治的相关技术与理论一直是我国矿山领域的研究热点,也是绿色矿山、生态矿山建设的基础理论。概率积分法是中国官方指定的开采沉陷预计方法,概率积分法模型属于典型的多参数、高度非线性复杂数学函数,如何基于实测资料构建精准、可靠的参数反演方法,一直是概率积分法应用的难点。
传统的概率积分法预计参数反演方法主要有特征点法、线性近似法和正交实验法。特征点法由于曲线特征点难以精确确定,导致求参误差大。线性近似法主要有最小二乘法迭代法、高斯牛顿法、最速下降法等,线性近似法虽然求参理论严密、参数求解准确性较高,但由于求参模型属于复杂非线性函数,且部分概率积分参数存在相关性,使得线性近似法对地表移动观测站的布设形式、求参模型初值的准确度要求极高(参数初值准确度低容易导致求参模型发散),该方法的工程应用还存在较大的困难。正交实验法虽然较好地解决了任意形状工作面求参和选择初值不合理而导致求参失败的问题,但存在实验次数多、求参速度慢、不易计算机实施等缺点。针对常规概率积分求参方法存在的问题,顾及概率积分求参模型的复杂非线性特征,一些专家学者提出采用非线性智能优化算法进行求参的新思路,目前已经建立了基于BP人工神经网络、支持向量机、遗传算法、人工蜂群算法、果蝇算法、粒子群算法等诸多概率积分参数非线性智能求解方法,为矿区开采沉陷预计参数反演提供了准确、可靠的新途径。
近年来,学者根据烟花爆炸产生火花这一自然现象提出了一种新型的群体智能算法。目前烟花算法在大数据优化、光伏系统参数识别、智能移动体避障路径规划等领域得到了广泛应用,并在寻优精度和收敛速度方面相对传统智能算法具有明显的优势,取得了良好的工程应用效果,但在开采沉陷参数反演方面尚未有文献报道。因而,本发明拟将烟花算法引入到概率积分参数反演中,首先根据概率积参数求参模型的特点改进了烟花算法,然后详细构建了基于改进烟花算法火的概率积分法参数反演模型及参数体系,最终提出一种基于改进烟花算法的开采沉陷预计参数求解方法。
发明内容
为了克服上述现有技术存在的不足,为此,本发明提供一种基于改进烟花算法的开采沉陷预计参数求解方法。
为实现上述目的,本发明采用以下技术方案:一种基于改进烟花算法的开采沉陷预计参数求解方法,其特征在于,所述方法包括:
步骤S1、确定爆炸半径调整参数A、爆炸数目调整参数M,初始烟花种群的适应度f(xi);
步骤S4、依据映射规则改进策略把超出边界的爆炸火花和高斯变异火花映射到参数空间内,得到映射操作后的火花;
步骤S5、在烟花、爆炸火花和高斯变异火花中,适应度值最小的个体会被确定性地选择到下一代作为烟花,而对剩下的N-1个烟花的选择使用轮盘赌的方法在三者中进行选择;
步骤S6、循环执行(2)-(5)步骤,直到满足终止条件或循环次数,跳出循环,输出最优参数解。
优选的,所述参数A=[5;10;2;50;200;200;200;200]、M=1000;给定概率积分参数B0=[q0,tanβ0,b0,θ0,S10,S20,S30,S40]中心值、各概率积分参数的波动范围ΔB=[Δq,Δtanβ,Δb,Δθ,ΔS1,ΔS2,ΔS3,ΔS4];生成N=100的初始烟花种群Bi=[qi,tanβi,bi,θi,S1i,S2i,S3i,S4i],(i=1,...,N),适应度f(xi)用如下公式表示:
f(xi)=∑((Wpi-Wa)2+(Upi-Ua)2)
其中,工作面上方地表监测点实测的下沉和水平移动分别为Wa、Ua,基于第i组参数利用概率积分法预计的下沉值和水平移动值分别为Wpi、Upi。
其中,ymin=min(f(xi)),(i=1,2,…,N)为当前烟花种群中适应度最小值;
ymax=max(f(xi)),(i=1,2,…,N)为当前烟花种群中适应度最大值;
A为常数,用来调整爆炸半径的大小;
M为常数,用来调整产生的爆炸火花数目大小,ε是一个机器最小量,用来避免除零操作;
a,b是两个常数;
round()是根据四舍五入原则的取整函数。
优选的,根据烟花爆炸半径Ai及爆炸数目对初始烟花种群中的每一个烟花每个维度进行位移操作,生成爆炸火花算子xt 还包括,在得到后,取f(xi)的最小值后,得到最优烟花爆炸火花数目Mz,将Mz乘以一个常数fz,其中fz>1,以此来扩大最优值处的爆炸火花数目至即
其中,Amin是爆炸半径最低的阈值;Amin,k是在第k(k=1,…,8)维上的爆炸半径最低的阈值。
优选的,步骤S4、依据映射规则改进策略把超出边界的爆炸火花和高斯变异火花映射到参数空间内,得到映射操作后的火花,其中,高斯火花的算式为:
其中,e1为高斯分布的随机变量,其均值为0、方差为1;xB,k为当前烟花种群中适应度最优的烟花在第k维上的位置信息;
映射规则为:
附图说明
图1为本发明提出的基于改进烟花算法的开采沉陷预计参数求解方法流程图;
图2为本发明提出的改进烟花算法爆炸半径幅度对比图;
图3为本发明提出的基于改进烟花算法的开采沉陷预计参数求解方法一实施例图;
图4为本发明提出的基于改进烟花算法的开采沉陷预计参数求解方法下沉拟合图;
图5为本发明提出的基于改进烟花算法的开采沉陷预计参数求解方法水平移动拟合图;
图6为本发明提出的基于改进烟花算法的开采沉陷预计参数求解方法工作面开采预计下沉三维曲面图。
具体实施方式
以下结合附图对本发明的具体实施方式作出详细说明。
烟花算法是当前提出的一种新型的群体智能算法,该算法在寻优精度和收敛速度方面相对传统智能算法具有明显的优势。目前该算法在大数据优化、光伏系统参数识别、智能移动体避障路径规划等领域得到了广泛应用,取得了良好的工程应用效果,但在开采沉陷参数反演方面尚未有文献报道。因而,本发明拟将烟花算法引入到概率积分参数反演中,首先根据概率积分参数求参模型的特点改进了烟花算法,然后详细构建了基于改进烟花算法火的概率积分法参数反演模型及参数体系,最终提出一种基于改进烟花算法的开采沉陷预计参数求解方法。为矿区开采沉陷预计参数求解提供一种准确、可靠的新途径。
根据本发明的实施例,如图1所示,本发明方法包括如下步骤,
步骤S1、确定爆炸半径调整参数A、爆炸数目调整参数M,初始烟花种群的适应度f(xi);
所述参数A=[5;10;2;50;200;200;200;200]、M=1000;给定概率积分参数B0=[q0,tanβ0,b0,θ0,S10,S20,S30,S40]中心值、各概率积分参数的波动范围ΔB=[Δq,Δtanβ,Δb,Δθ,ΔS1,ΔS2,ΔS3,ΔS4];生成N=100的初始烟花种群Bi=[qi,tanβi,bi,θi,S1i,S2i,S3i,S4i],(i=1,...,N),适应度f(xi)用如下公式表示:
f(xi)=∑((Wpi-Wa)2+(Upi-Ua)2)
其中,工作面上方地表监测点实测的下沉和水平移动分别为Wa、Ua,基于第i组参数利用概率积分法预计的下沉值和水平移动值分别为Wpi、Upi。
考虑到概率积分参数对开采沉陷预计影响的敏感程度不同,结合开采沉陷预计参数的经验取值范围(如表1所示,预计参数取值范围与岩性的关系),提出了爆炸半径改进策略,即在不同的维度上爆炸半径不同。烟花算法(FWA)与改进烟花算法(IFWA)爆炸半径比较如图2所示。
表1预计参数取值范围与岩性关系
其中,ymin=min(f(xi)),(i=1,2,…,N)为当前烟花种群中适应度最小值;
ymax=max(f(xi)),(i=1,2,…,N)为当前烟花种群中适应度最大值;
A为常数,用来调整爆炸半径的大小;
M为常数,用来调整产生的爆炸火花数目大小,ε是一个机器最小量,用来避免除零操作;
a,b是两个常数;
round()是根据四舍五入原则的取整函数。
在最优烟花处爆炸产生的爆炸火花越多,算法对精确解的局部开采能力也越强,算法收敛速度也越快。基于这个问题,提出了最优烟花爆炸火花数目改进策略,在得到后,取f(xi)的最小值后,得到最优烟花爆炸火花数目Mz,将Mz乘以一个常数fz,其中fz>1,以此来扩大最优值处的爆炸火花数目至即
烟花种群中适应度值最低的解通过计算得到的爆炸半径值会非常小,从而导致适应度值最低的烟花(当前种群中最优的烟花)在实际优化搜索过程中,由于爆炸半径太小而没有起到挖掘作用。为了避免这个缺陷,在改进烟花算法中引入最小爆炸半径改进策略,得到最优烟花后,对于任意一个烟花或者火花或者Ai,k,计算最小爆炸半径
其中,Amin是爆炸半径最低的阈值;Amin,k是在第k(k=1,…,8)维上的爆炸半径最低的阈值。
步骤S4、依据映射规则改进策略把超出边界的爆炸火花和高斯变异火花映射到参数空间内,得到映射操作后的火花;
在FWA中,当随机产生的e(表示均值为1,方差为1的高斯分布)值接近0时,烟花在第k维上的变异值会接近于0,而且后期很难跳出;如果产生较大的e值将导致xik超出边界,通过烟花算法的映射规则可能将xi,k映射到原点位置附近。为了避免这个问题,对改进烟花算法提出了一种新型高斯变异算子,该新型高斯火花的算式为
其中,e1为高斯分布的随机变量,其均值为0、方差为1;xB,k为当前烟花种群中适应度最优的烟花在第k维上的位置信息;
在FWA中,当一个烟花或火花在某一个维度k上超出边界时,可以通过映射规则将其映射到原点位置附近。然而,由于很多优化问题的最优值都是在原点位置,因此这种映射规则会无意地、极大地加速算法的收敛,但这种加速并不是算法的智能所致,而是一个假象。基于这个问题,改进烟花算法提出随机映射规则,映射规则为:
步骤S5、在烟花、爆炸火花和高斯变异火花这些候选者集合中,候选者适应度值最小的个体会被确定性地选择到下一代作为烟花,而对剩下的N-1个烟花的选择使用轮盘赌的方法在三者中进行选择;
步骤S6、循环执行(2)-(5)步骤,直到满足终止条件或循环次数,跳出循环,输出最优参数解。
在本发明中,为了验证本发明的实际工程应用,以某地区工作面为例,工作面的分布情况如图3所示,工作面采用综合机械化采煤,一次采全高,全部垮落法管理顶板,工作面地质采矿条件为:走向开采长度2120m,倾向开采长度251m,平均采高735m,煤层平均采厚3m,煤层倾角5°。主体倾向观测线布置在离切眼约1144m、距停采线约976m的方向上,倾向观测线长1500m,共有3个控制点,50个监测点,监测点间距30m;主体走向观测线设置在下山方向偏离工作面中心线39m的方向上,走向观测线长3480m,共有3个控制点,95个监测点,监测点间距30/60m。
工作面观测站自2013年10月19日开始进行连接测量到2015年6月9日为止,观测工作历时约20个月(共599天),共进行了首次全面观测、2次日常观测和11次全面观测(末次独立进行两次)等阶段的工作任务。顾桥矿1414(1)综采工作面地表移动观测站的平面联测采用D级GPS网,采动过程中的全面观测,平面测量按GNSS CORS RTK测量的要求进行;高程测量采用四等几何水准方法进行;巡视测量和日常观测,采用四等几何水准方法进行。观测点下沉和水平移动监测精度满足工程要求。
由于工作面所在矿区覆岩类型为软弱型,故设置参数波动范围如表2所示。利用MIFWA和MFWA对1414(1)工作面地表移动观测站最后一期观测数据(地表移动进入稳定期)进行概率积分参数反演。为了避免计算结果的偶然性,独立进行10次实验计算,且每次实验循环10次,计算反演参数平均值、参数中误差、下沉、水平移动拟合中误差。具体实验结果如表2所示。
表2MIFWA和MFWA在工程应用中求参结果比较
由表2可知:(1)从参数中误差方面来看,MIFWA反演概率积分法参数q,tanβ,b,θ中误差控制在0.83以内,拐点偏移距S中误差最大不超过9.52,MFWA反演概率积分法参数q,tanβ,b,θ的中误差控制在1.11以内,拐点偏移距S中误差最大不超过11.12;表明改进MIFWA稳定性优于MFWA。(2)从拟合中误差方面来看,MIFWA与MFWA反演参数下沉、水平移动拟合中误差分别为107.1313mm、128.3895mm,MIFWA拟合效果优于MFWA。其中下沉和水平移动拟合效果如图4和图5所示。(3)利用MIFWA反演顾桥矿1414(1)工作面概率积分法参数为:q=0.97,tanβ=1.98,b=0.41,θ=89.08,Su=-5.93,Sd=-14.90,Sl=51.66,Sr=30.55。(4)利用MIFWA反演的概率积分法参数,代入概率积分法预计模型,预计整个工作面下沉,并绘制了三维下沉曲面图,如图6所示。
需要说明的是,在图5中,相应参数具有如下含义:
Wrs,Urs—工作面走向实测下沉值和水平移动值;
Wifs,Uifs—两图中分别表示MIFWA反演的走向下沉值和水平移动值;
Wfs,Ufs—两图中分别表示MFWA反演的走向下沉值和水平移动值;
Wrt,Urt—工作面倾向实测下沉值和水平移动值;
Wift,Uift—两图中分别表示MIFWA反演的倾向下沉值和水平移动值;
Wft,Uft—两图中分别表示MFWA反演的倾向下沉值和水平移动值。
本发明拟将烟花算法引入到概率积分参数反演中,首先根据概率积分参数求参模型的特点,从爆炸半径、最优烟花爆炸火花数目、最小爆炸半径、高斯变异算子和映射规则5个方面改进了烟花算法(具体实施方式),然后详细构建了基于改进烟花算法火的概率积分法参数反演模型及参数体系,最终提出一种基于改进烟花算法的开采沉陷预计参数求解方法。
对于本领域技术人员而言,显然本发明实施例不限于上述示范性实施例的细节,而且在不背离本发明实施例的精神或基本特征的情况下,能够以其他的具体形式实现本发明实施例。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明实施例的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统、装置或终端权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施方式仅用以说明本发明实施例的技术方案而非限制,尽管参照以上较佳实施方式对本发明实施例进行了详细说明,本领域的普通技术人员应当理解,可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。
Claims (1)
1.一种基于改进烟花算法的开采沉陷预计参数求解方法,其特征在于,所述方法包括:
步骤S1、确定爆炸半径调整参数A、爆炸数目调整参数M,初始烟花种群的适应度f(xi);
所述参数A=[5;10;2;50;200;200;200;200]、M=1000;给定概率积分参数B0=[q0,tanβ0,b0,θ0,S10,S20,S30,S40]中心值、各概率积分参数的波动范围ΔB=[Δq,Δtanβ,Δb,Δθ,ΔS1,ΔS2,ΔS3,ΔS4];生成N=100的初始烟花种群Bi=[qi,tanβi,bi,θi,S1i,S2i,S3i,S4i],适应度f(xi)用如下公式表示:
f(xi)=∑((Wpi-Wa)2+(Upi-Ua)2)
其中,工作面上方地表监测点实测的下沉和水平移动分别为Wa、Ua,基于第i组参数利用概率积分法预计的下沉值和水平移动值分别为Wpi、Upi;
具体为:
其中,ymin=min(f(xi))为当前烟花种群中适应度最小值;
ymax=max(f(xi))为当前烟花种群中适应度最大值,其中,i=1,2,…,N;
A为常数,用来调整爆炸半径的大小;
M为常数,用来调整产生的爆炸火花数目大小,ε是一个机器最小量,用来避免除零操作;
a,b是两个常数;
round()是根据四舍五入原则的取整函数;
其中,Amin是爆炸半径最低的阈值;Amin,k是在第k维上的爆炸半径最低的阈值,其中,k=1,…,8;
步骤S4、依据映射规则改进策略把超出边界的爆炸火花和高斯变异火花映射到参数空间内,得到映射操作后的火花;
其中,高斯火花的算式为:
其中,e1为高斯分布的随机变量,其均值为0、方差为1;xB,k为当前烟花种群中适应度最优的烟花在第k维上的位置信息;
映射规则为:
步骤S5、在烟花、爆炸火花和高斯变异火花中,适应度值最小的个体会被确定性地选择到下一代作为烟花,而对剩下的N-1个烟花的选择使用轮盘赌的方法在三者中进行选择;
步骤S6、循环执行(2)-(5)步骤,直到满足终止条件或循环次数,跳出循环,输出最优参数解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910641608.5A CN110610017B (zh) | 2019-07-16 | 2019-07-16 | 一种基于改进烟花算法的开采沉陷预计参数求解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910641608.5A CN110610017B (zh) | 2019-07-16 | 2019-07-16 | 一种基于改进烟花算法的开采沉陷预计参数求解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110610017A CN110610017A (zh) | 2019-12-24 |
CN110610017B true CN110610017B (zh) | 2021-10-29 |
Family
ID=68889750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910641608.5A Active CN110610017B (zh) | 2019-07-16 | 2019-07-16 | 一种基于改进烟花算法的开采沉陷预计参数求解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110610017B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197308A (zh) * | 2018-01-31 | 2018-06-22 | 湖北工业大学 | 一种基于搜索引擎的关键词推荐方法及系统 |
CN108491641A (zh) * | 2018-03-27 | 2018-09-04 | 安徽理工大学 | 一种基于量子退火法的概率积分法参数反演方法 |
CN108717580A (zh) * | 2018-03-23 | 2018-10-30 | 安徽理工大学 | 基于入侵杂草优化算法求取概率积分参数的方法 |
CN108733621A (zh) * | 2018-05-14 | 2018-11-02 | 安徽理工大学 | 基于bfgs算法的概率积分模型中参数的反演方法 |
CN108898511A (zh) * | 2018-06-15 | 2018-11-27 | 广东工业大学 | 一种支持移峰型电力需求响应的生产调度方法 |
CN109542103A (zh) * | 2018-12-25 | 2019-03-29 | 北京理工大学 | 一种基于烟花粒子群算法的机器人焊接路径规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018157272A1 (zh) * | 2017-02-28 | 2018-09-07 | 江南大学 | 一种基于改进的烟花算法进行图像处理的方法 |
-
2019
- 2019-07-16 CN CN201910641608.5A patent/CN110610017B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108197308A (zh) * | 2018-01-31 | 2018-06-22 | 湖北工业大学 | 一种基于搜索引擎的关键词推荐方法及系统 |
CN108717580A (zh) * | 2018-03-23 | 2018-10-30 | 安徽理工大学 | 基于入侵杂草优化算法求取概率积分参数的方法 |
CN108491641A (zh) * | 2018-03-27 | 2018-09-04 | 安徽理工大学 | 一种基于量子退火法的概率积分法参数反演方法 |
CN108733621A (zh) * | 2018-05-14 | 2018-11-02 | 安徽理工大学 | 基于bfgs算法的概率积分模型中参数的反演方法 |
CN108898511A (zh) * | 2018-06-15 | 2018-11-27 | 广东工业大学 | 一种支持移峰型电力需求响应的生产调度方法 |
CN109542103A (zh) * | 2018-12-25 | 2019-03-29 | 北京理工大学 | 一种基于烟花粒子群算法的机器人焊接路径规划方法 |
Non-Patent Citations (1)
Title |
---|
基于改进烟花算法的SVM特征选择和参数优化的研究;沈永良;《中国优秀硕士学位论文全文数据库.信息科技辑》;20180815(第8期);正文第1、3章 * |
Also Published As
Publication number | Publication date |
---|---|
CN110610017A (zh) | 2019-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Moradi Kordmahalleh et al. | A sparse recurrent neural network for trajectory prediction of atlantic hurricanes | |
US10900328B2 (en) | Computer implemented method for generating a field development plan (FDP) for the exploitation of oil and gas reservoirs | |
CN105138731B (zh) | 一种水合物分解引起海底斜坡不稳定性评价系统及方法 | |
CN107783185B (zh) | 一种层析静校正的处理方法及装置 | |
CN108763822B (zh) | 一种基于沉陷监测的煤矿采空区空间几何特征精准识别方法 | |
CN108204944A (zh) | 基于apso优化的lssvm的埋地管道腐蚀速率预测方法 | |
CN105678417A (zh) | 一种施工隧道撑子面涌水量预测方法及装置 | |
CN115182398B (zh) | 一种地震预警区域的地下水位及地表沉降预测方法 | |
US11900658B2 (en) | Method for automated stratigraphy interpretation from borehole images | |
CN112562078A (zh) | 一种三维地质分析预测模型构建方法 | |
CN109902360A (zh) | 在钻井现场作业中优化工程参数的方法、装置及机器设备 | |
CN108287365B (zh) | 一种基于波动方程的vsp三参数同步反演方法及装置 | |
CN111950203A (zh) | 基于自适应神经模糊推理系统的爆破振动速度预测方法 | |
Capitani et al. | Influence of deep-seated gravitational slope deformations on landslide distributions: a statistical approach | |
Wang et al. | Estimation of parameters of probability integral method model based on improved fireworks algorithm | |
CN115293316A (zh) | 基于ssa-elman中深埋厚煤层导水裂隙带预测方法 | |
CN110610017B (zh) | 一种基于改进烟花算法的开采沉陷预计参数求解方法 | |
Li et al. | Prediction of flyrock distance in surface mining using a novel hybrid model of harris hawks optimization with multi-strategies-based support vector regression | |
Gidon et al. | Bi-Directional LSTM Model for accurate and real-time landslide detection: a case study in mawiongrim, Meghalaya, India | |
CN117786794A (zh) | 一种盾构下穿既有隧道变形优化控制方法及系统 | |
Lv et al. | A novel stacking-based ensemble learning model for drilling efficiency prediction in earth-rock excavation | |
CN113836812B (zh) | 一种利用智能算法识别硬岩厚度的盾构施工位姿调整方法 | |
CN115759203A (zh) | 一种多要素耦合条件下海上桩基冲刷预测方法 | |
CN113077082A (zh) | 一种基于改进乌鸦搜索算法的矿区开采沉降预测方法 | |
CN116976751B (zh) | 一种基于时空数据融合的煤矿采空区勘察系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |