李 忠，王 磊，滕超群，李世保，黄金中

(安徽理工大学空间信息与测绘工程学院，安徽 淮南 232001)

我国作为世界能源生产大国和消费大国，煤炭资源丰富，储量居世界前列。作为三大化石燃料之一，煤是重要的能源，也是冶金、化学工业的重要原料，然而随着大量煤炭资源的开采，常常引起开采区地层发生错动、地表下沉等一系列问题，对矿区周围村庄村民的生产生活产生了极大影响，因此开采沉陷预测的准确性显得尤其重要[1]。概率积分法(probability integral method，PIM)预计模型是我国在开采沉陷中应用最广泛的方法[2]，其参数反演过程经历了线性近似法[3]、正交实验法、模矢法[4]、人工神经网络法[5]、智能优化算法(如遗传算法[6])等。常见参数反演方法主要特点见表1。

表1 常见参数反演方法对比

目前遗传算法在参数反演方面得到广泛应用，国内很多学者利用智能优化算法进行概率积分法参数反演，如利用果蝇算法[7]、粒子群算法[8]、狼群算法[9]、混合蛙跳算法[10]等进行概率积分法模型参数反演，为概率积分法参数求解提供了众多新的途径。2010年YANG[11]提出了一种基于迭代优化技术的新型群体智能优化算法——蝙蝠算法(bat algorithm，BA)，因模型简单易懂、参数少、求参稳定性高、收敛速度快等优点，现已在工程优化[12]、模型识别[13]等问题中得到了广泛的应用，然而蝙蝠算法作为智能优化算法领域新的研究热点，在概率积分模型参数反演的问题上却鲜少有结合应用。

因此，本文将BA引入概率积分模型参数反演中，构建了基于蝙蝠算法的概率积分预计参数反演模型，并通过模拟实验验证蝙蝠算法反演模型的正确性，随后将其应用于淮南市某煤矿1414工作面[14]的预计参数反演中，求得该工作面开采后沉降稳定时的预计参数。……