基于改进麻雀优化算法的概率积分法参数反演

摘要

为解决麻雀优化算法（SSA）在开采沉陷预测模型参数反演计算中收敛速度慢、易陷入局部最优的问题，提出一种改进的麻雀优化算法（ISSA）。该算法在种群初始化过程加入Kent映射，增强种群个体的均匀分布；在发现者位置更新中引入鹦鹉优化算法的觅食行为，并根据适应度调整安全值；融合t扰动分布和透镜反向学习策略，提高算法的性能。分别采用鲸鱼优化算法（WOA）、SSA、ISSA对概率积分法（PIM）的参数进行反演，利用含有反演参数的PIM对实验工作面的沉降值、抗粗差干扰能力、抗随机误差进行仿真实验。研究结果表明：与WOA、SSA相比，采用ISSA反演参数的PIM仿真效果最优。将ISSA应用于工程实例，反演参数的PIM计算值更接近实际值。研究成果为提高沉陷预计精度与矿区灾害检测提供参考。

关键词

概率积分法 / 麻雀优化算法 / 鹦鹉优化算法 / Kent映射 / 透镜反向学习 / 开采沉陷