张官进， 宋梓杰， 周子文， 李新伟， 袁 平

(安徽科技学院 资源与环境学院,安徽 凤阳 233100)

当前我国已经探明的煤炭资源量超过5.9万亿吨,且千米以下的深部资源比重达到53%,我国的煤炭开采深度也在逐年增加,开采深度在1 000 m以上的矿井有47座。随着大量煤炭的采出和开采深度的不断增加,地表沉陷、变形等地质灾害问题日益严重,为降低煤炭开采带来的环境损害,必须采取有效的参数反演方法进行精准的开采沉陷预计。

将智能算法与概率积分法结合构建智能概率积分参数反演方法是现阶段开采沉陷预计的主要方法,众多学者对如何提高参数反演的精度、提高算法的运算效率等进行了研究。如贾新果提出将蚁群算法运用于开采沉陷参数反演可有效避免算法早熟收敛现象,对观测站测点缺失具有较强的抗干扰能力;查剑锋等构建了基于遗传算法的概率积分预计参数反演,该算法精度高且具有较强的抗干扰能力;陈涛等构建了基于果蝇算法的概率积分参数模型反演模型,具有算法简单、易于编程实现、精度较高等特点;此后,又有学者将量子遗传算法、量子粒子群算法、蛙跳算法、狼群算法等引入到概率积分参数反演中,得到了很好的应用。人工鱼群算法(Artificial fish school algorithm,AFSA)是一种群体智能优化方法,它具有鲁棒性强、寻优速度快、全局收敛性好以及对初值的不敏感性等优点,已在广东省水资源优化配置、配送路径优化等问题中得到很好地应用。……