開采沉陷預計模型及參數(shù)體系是“三下”采煤設計的核心基礎理論。準確、可靠的反演概率積分參數(shù)是實施精準地表沉陷預計的前提。概率積分法參數(shù)反演模型屬于典型的多參數(shù)復雜非線性模型,且參數(shù)之間存在相關性,因而利用常規(guī)求參方法估計概率積分參數(shù)難以獲得滿意的效果,針對上述不足,本文提出了基于“量子+智能算法”的智能求參新方法,模擬和工程實驗應用效果良好。另外,針對制約關閉/廢棄礦井資源開發(fā)利用的采空區(qū)特征精準探測存在的問題,本文顧及地表沉陷是煤礦采掘空間按照特定機制傳播到地表的外在表現(xiàn)的本質,構建了基于地表移動變形觀測值的采礦時空特征反演模型及“量子+智能算法”求參方法,實現(xiàn)了對關閉/廢棄礦井采空區(qū)的精準反演。本文通過上述研究,主要取得如下成果:（1）構建了基于“量子+”概率積分法預計參數(shù)反演模型。針對目前較常用于概率積分法預計參數(shù)反演的GA算法和SA算法存在的缺點,結合量子比特編碼、量子旋轉門和量子漲落機制,本文分別構建了基于QGA的概率積分參數(shù)反演模型和基于QA的概率積分法參數(shù)反演模型。通過模擬實驗數(shù)據(jù)證明QGA算法和QA算法相對于傳統(tǒng)的GA算法和SA算法,在可靠性、抗隨機誤差能力、抗粗差能力和... 

【文章來源】：安徽理工大學安徽省

【文章頁數(shù)】：126 頁

【學位級別】：碩士

【部分圖文】：

圖１－１技術路線圖??Ｆｉｇ．?１－１?Ｔｈｅ?ｔｅｃｈｎｉｃａｌ?ｒｏａｄｍａｐ?ｏｆ?ｔｈｅ?ｐａｐｅｒ??

率積分法求參是地表移動觀測數(shù)據(jù)處理的核心內容。概率積分法模型屬于典型多參數(shù)非線性模型，精確反演參數(shù)難度大，這也使得概率積分法參數(shù)求參方法直是開采沉陷領域研究的熱點和難點。為了彌補在概率積分法求參中應用較為廣??泛的遺傳算法和模擬退火法的主要缺點，本章引入了在兩種算法基礎上結合量算法形成的量子遺傳算法和量子退火法，利用模擬實驗和工程應用的實驗結果別驗證量子遺傳算法和量子退火法的準確性、抗隨機誤差性能、抗粗差性能和抗??缺失點能力。??２．１基本原理介紹??２．１．１概率積分法基本原理??隨機介質理論首先由波蘭學者Ｊ丄ｉｔｗｉｎｉｓｚｙｎ于５０年代引入巖層移動研宄，后??由我國學者劉寶琛、廖國華等發(fā)展為概率積分法Ｗ。根據(jù)概率積分法開采沉陷預計??原理，工作面開采引起地表任意點下沉為，??￣￣￣￣

?其中，允］＂表示二進制編碼的第／個量子比特，ｆｔ為旋轉角。其工作原理??如圖２－２所示：??１??圖２－２量子旋轉門更新量子比特示意圖??Ｆｉｇ．２－２?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｕｐｄａｔｉｎｇ?ｑｕａｎｔｕｍ?ｂｉｔ?ｗｉｔｈ?ｑｕａｎｔｕｍ?ｒｏｔａｔｉｎｇ?ｇａｔｅ??顯然，旋轉角ｆｔ的大小和正負決定收斂的速度和旋轉方向。文章中的旋轉角疣??的選擇策略如表２－１所示（其中，６！?＝?＜ａ／，／Ｘ）Ａ６〇：??表２－１量子旋轉角的調整策略表［叫??Ｔａｂｌｅ?２－１?Ｓｅｌｅｃｔｉｏｎ?ｓｔｒａｔｅｇｙ?ｆｏｒ?ｒｏｔａｔｉｏｎ?ａｎｇｌｅｓ??ｓ｛ｃｃ，ｐ）??Ｘｉ?ｂｅｓｔｉ?ｆ?（ｘ；）?＞?／?｛ｂｅｓｔｉ）?Ａｄｉ????ＣＣｉｊ３ｉ?＞?０?ＣＣｉｊ３ｉ?＜?０?〇（ｉ?＝?０?Ｊ３ｉ?＝?０??０?０?ｆａｌｓｅ?０?０?０?０?０??０?０?ｔｒｕｅ?０?０?０?０?０??０?１?ｆａｌｓｅ?０．０ｌ７ｔ?＋１?－１?０?＋１??０?１?ｔｒｕｅ?Ｏ．ＯＩ７１?－１?＋１?±１?０??１?０?ｆａｌｓｅ?０．０ｌ７ｔ?－１?＋１?±１?０??１?０?ｔｒｕｅ?０．０１７Ｃ?＋１?－１?０?±１??１?１?ｆａｌｓｅ?０?０?０?０?０??１?１?ｔｒｕｅ?０?０?０?０?０??根據(jù)表２－１中的旋轉角調整策略，旋轉角選擇操作如下：將種群中的所有個體??的適應度值／（ｘ〇依次比較當前種群的最優(yōu)個體的適應度值／（以如）

【參考文獻】：
期刊論文
[1]基于量子遺傳算法的概率積分參數(shù)反演[J]. 魏濤,王磊,李楠,池深深,蔣創(chuàng).  金屬礦山. 2018(08)
[2]瞬變電磁法在采空塌陷災害中的應用——以神東煤礦采空區(qū)調查為例[J]. 龔培俐,李維.  地質力學學報. 2018(03)
[3]煤礦采空區(qū)地表重力異常效應模擬研究[J]. 湯伏全,李庚新,原一哲.  煤炭學報. 2018(04)
[4]基于改進人工蜂群算法的概率積分法參數(shù)反演[J]. 劉奇,朱建軍,蘇軍明,何永紅,孫明星.  測繪工程. 2017(10)
[5]開采沉陷動態(tài)精準預計的時效Knothe函數(shù)方法研究[J]. 魏濤,王磊,池深深,李楠,呂挑.  金屬礦山. 2017(10)
[6]智能優(yōu)化算法在概率積分參數(shù)反演中的比較[J]. 陳元非,高彥濤,査劍鋒,徐孟強,張正華,李晉龍.  金屬礦山. 2017(04)
[7]Knothe模型改進及充填開采巖層移動動態(tài)過程分析[J]. 陳慶發(fā),牛文靜,劉嚴中,陳青林,劉俊廣,范秋雁.  中國礦業(yè)大學學報. 2017(02)
[8]開采影響地表點變形狀態(tài)分析及主變形值計算[J]. 李培現(xiàn),譚志祥.  采礦與安全工程學報. 2017(01)
[9]基于自適應量子遺傳算法的地震重定位及其在山東地區(qū)的應用[J]. 范建柯,丁志峰,徐小明,董冬冬,蘇道磊.  地球物理學報. 2016(11)
[10]利用果蠅算法反演概率積分法開采沉陷預計參數(shù)[J]. 陳濤,郭廣禮,朱曉峻,郭慶彪,方齊.  金屬礦山. 2016(06)

碩士論文
[1]厚松散層條件下概率積分法求參方法研究[D]. 石磊.安徽理工大學 2016
[2]開采沉陷動態(tài)預計理論及其參數(shù)研究[D]. 史彩霞.河南理工大學 2010



本文編號：3023317