資源描述：
《基于改進(jìn)粒子群優(yōu)化算法的地應(yīng)力場反演.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第35卷第1期礦冶工程Vol_35No12015年O2月MININGANDMETALLURGICALENGINEERINGFebruary2015基于改進(jìn)粒子群優(yōu)化算法的地應(yīng)力場反演①李欣，謝學(xué)斌，楊承祥。，羅海霞(1．中南大學(xué)資源與安全212程學(xué)院，湖南長沙410083；2．安徽銅冠(廬江)礦業(yè)有限公司，安徽銅陵231561)摘要：為提升粒子群優(yōu)化算法反演地應(yīng)力的效率和精度，采用改進(jìn)粒子群算法，并對隨機(jī)數(shù)進(jìn)行針對性設(shè)置，聯(lián)合使用MATLAB與FLAC，以沙溪銅礦區(qū)的聲發(fā)射數(shù)據(jù)為基礎(chǔ)進(jìn)行了算例分
2、析。結(jié)果表明，操作流程簡單易行，改進(jìn)后的算法精度高、效率高，對類似工程有一定的參考性。關(guān)鍵詞：初始應(yīng)力場；地應(yīng)力反演；改進(jìn)粒子群算法；算例分析中圖分類號：TU443文獻(xiàn)標(biāo)識碼：Adoi：10．3969／j．issn．0253-6099．2015．01．007文章編號：0253—6099(2015)O卜0023—04InversionAnalysisofInitialStressFieldBasedonModifiedParticleSwarmOptimizationLIXin，XIEXue—bi
3、n，YANGCheng—xiang，LUOHai—xia(1．SchoolofResourcesandSafetyEngineering，CentralSouthUniversity，Changsha410083，Hunan，China；2．AnhuiTongguan(Lufiang)MiningCoLtd，Tongling231561，Anhui，China)Abstract：Inordertoenhancetheefficiencyandaccuracyoftheinversionanaly
4、sisofinitialstressfield，theanalysisofcalculationexampleswasperformedbasedontheacousticemissiondataofShaxiCopperMine，byadoptingthemodifiedparticleswar／noptimization(MPSO)withaspecialsetofrandomnumbers，togetherwithMATLABandFLAC．ResultshowsthattheMPSOis
5、characterizedbyhighaccuracyandeficiency，aswellassimpleoperationprocess．Itisofcertainreferencevaluetothesimilarengineering．Keywords：initialstressfield；inversionanalysisofinitialstressfield；modifiedparticleswarmoptimization(PSO)；analysisofcalculationex
6、amples初始地應(yīng)力場是引起采礦、土木建筑、水利水電等中線性的減小慣性權(quán)重¨。另外，由于粒子群算法初各種巖土體工程變形及破壞的重要因素，也是地下工始樣本較少，而粒子越界經(jīng)常發(fā)生，為減少粒子的損程設(shè)計施工的初始條件。由于成本和工作環(huán)境的失，避免算法進(jìn)入局部最優(yōu)解，本文在算法中設(shè)置隱匿影響，僅能對巖體部分位置進(jìn)行測量，要了解整個工區(qū)墻¨，并對隨機(jī)數(shù)進(jìn)行針對性值域限定，保證算法收的地應(yīng)力場分布情況，必須運(yùn)用合理的數(shù)值模型和優(yōu)斂的穩(wěn)定性，提出了一種基于改進(jìn)粒子群優(yōu)化算法的化算法來進(jìn)行地應(yīng)力的反演。力學(xué)
7、參數(shù)反演問題為最地應(yīng)力反演方法。將MATLAB與FLAC相結(jié)合，運(yùn)小化問題，本文認(rèn)為適應(yīng)度函數(shù)值越小的粒子對應(yīng)的用改進(jìn)后的粒子群算法對地應(yīng)力進(jìn)行反演，工程實(shí)例適應(yīng)度越好，所在的位置越好，所代表的一組反演參數(shù)表明，這種方法簡單易行且精度較高。越優(yōu)。一般來說，多元回歸分析方法、遺傳算法和神經(jīng)1粒子群優(yōu)化算法網(wǎng)絡(luò)方法在反演地應(yīng)力時，都需要大量的正分析計算。與其它反演方法相比，粒子群算法對較小的群體個數(shù)粒子群優(yōu)化是以鄰域原理為基礎(chǔ)進(jìn)行操作的，群也能充分搜索解空間，可有效解決工程問題，同時避免體中的個體相
8、互學(xué)習(xí)，而且基于獲得的信息移動到更過多的適應(yīng)度估計，在地應(yīng)力反演等其它巖土力學(xué)工相似于它們的較好的鄰近區(qū)域。每次迭代過程不程中應(yīng)用越來越多_6?；玖Ｗ尤核惴ㄔ谒阉骱笃谑峭耆S機(jī)的，如果找到較好的解，將會以此為依據(jù)來會出現(xiàn)粒子在全局最優(yōu)解附近“震蕩”的現(xiàn)象，影響了尋找下一個解。其實(shí)質(zhì)是所有粒子在確定的搜索空間反演的效率和精度，為了避免這個問題，可在迭代過程內(nèi)，不停的追蹤全局最優(yōu)解和個體最優(yōu)解，以獲得滿足①收稿日期：2014—09—02基金項目：安徽省科技攻關(guān)計劃項目資助(12010402148)
