本發(fā)明涉及煤礦安全監(jiān)測(cè)，具體為一種基于基因表達(dá)式編程與人工蜂群的采煤沉陷預(yù)測(cè)方法。
背景技術(shù)：
1、石灰石主地面沉降是一種以地表下沉或垂直位移為特征的環(huán)境災(zāi)害，它的發(fā)生會(huì)產(chǎn)生重大的經(jīng)濟(jì)和社會(huì)后果，雖然下沉可以由巖石溶解、地震和火山活動(dòng)等自然過(guò)程引起，但人類活動(dòng)，特別是地下采礦，往往會(huì)加劇這一問(wèn)題，從地表以下開采有價(jià)值的礦物和資源會(huì)破壞一個(gè)地區(qū)的地質(zhì)結(jié)構(gòu)，導(dǎo)致重力不穩(wěn)定和隨后的地面沉降，反過(guò)來(lái)又通過(guò)改變植被生長(zhǎng)、棲息地、河流、溪流、生態(tài)完整性、生物多樣性和物種分布來(lái)破壞生態(tài)系統(tǒng)，因此，沉降會(huì)造成結(jié)構(gòu)破壞、土地變形和環(huán)境干擾。
2、長(zhǎng)壁開采法廣泛應(yīng)用于地下煤礦開采淺層水平煤層，通常會(huì)導(dǎo)致開采地表的下沉；導(dǎo)致地下礦山地面沉降的另一個(gè)重要因素是支撐系統(tǒng)隨著時(shí)間的推移逐漸減弱，安裝支撐系統(tǒng)是為了在采礦作業(yè)中穩(wěn)定空區(qū)，防止采場(chǎng)頂板坍塌。此外，采礦作業(yè)中使用的重型機(jī)械、炸藥和鉆井設(shè)備產(chǎn)生的動(dòng)態(tài)載荷和振動(dòng)可能會(huì)損害采場(chǎng)的穩(wěn)定性并導(dǎo)致下沉，因此，地下開采引起的地面沉降是一個(gè)復(fù)雜的問(wèn)題，其潛在原因多種多樣。目前，預(yù)測(cè)地面沉陷的模型多基于傳統(tǒng)機(jī)器學(xué)習(xí)訓(xùn)練的方式，但是這種方式建立的模型精度低，無(wú)法準(zhǔn)確的預(yù)測(cè)地面沉降。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明的目的在于提供一種基于基因表達(dá)式編程與人工蜂群的采煤沉陷預(yù)測(cè)方法，其能夠?qū)⒒虮磉_(dá)是編程算法與人工蜂群算法相結(jié)合，旨在提高地面沉降預(yù)測(cè)的準(zhǔn)確性和穩(wěn)健性，從而在具有挑戰(zhàn)性的長(zhǎng)壁煤礦開采環(huán)境中提高安全標(biāo)準(zhǔn)和操作穩(wěn)定性。
2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：一種基于基因表達(dá)式編程與人工蜂群的采煤沉陷預(yù)測(cè)方法，其特征在于：其方法包括以下步驟：
3、步驟s1：獲取采煤沉陷安全的研究所需的歷史參數(shù)數(shù)據(jù)構(gòu)建樣本集合；
4、步驟s2：將樣本集合拆分成一號(hào)訓(xùn)練集、一號(hào)測(cè)試集和一號(hào)驗(yàn)證集；
5、步驟s3：對(duì)所述參數(shù)數(shù)據(jù)與地面沉降的關(guān)系進(jìn)行數(shù)據(jù)相關(guān)性分析；
6、步驟s4：通過(guò)基因表達(dá)式編程(gep)算法構(gòu)建基本預(yù)測(cè)模型；并將所述一號(hào)訓(xùn)練集輸入到基本預(yù)測(cè)模型中；
7、步驟s5：將所述一號(hào)訓(xùn)練集對(duì)所述基本預(yù)測(cè)模型進(jìn)行訓(xùn)練直到收斂，并通過(guò)一號(hào)測(cè)試集和一號(hào)驗(yàn)證集進(jìn)行誤差計(jì)算并驗(yàn)證，輸出gep參數(shù)集；
8、步驟s6：將gep參數(shù)集拆分成二號(hào)訓(xùn)練集、二號(hào)測(cè)試集和二號(hào)驗(yàn)證集；
9、步驟s7：通過(guò)人工蜂群(abc)算法優(yōu)化gep參數(shù)集，構(gòu)建優(yōu)化預(yù)測(cè)模型，將所述二號(hào)訓(xùn)練集輸入到優(yōu)化預(yù)測(cè)模型中；
10、步驟s8：將所述二號(hào)訓(xùn)練集對(duì)所述優(yōu)化預(yù)測(cè)模型進(jìn)行訓(xùn)練直到收斂，并通過(guò)二號(hào)測(cè)試集和二號(hào)驗(yàn)證集進(jìn)行誤差計(jì)算并驗(yàn)證，得到優(yōu)化參數(shù)，輸出沉陷預(yù)測(cè)模型；
11、步驟s9：對(duì)所述沉陷預(yù)測(cè)模型的優(yōu)化參數(shù)進(jìn)行多參數(shù)敏感性分析，識(shí)別所述參數(shù)數(shù)據(jù)對(duì)采煤沉陷的重要程度或影響程度。
12、優(yōu)選的，所述步驟s1中，所述參數(shù)數(shù)據(jù)包括采煤厚度、開采深度、以及與超載巖石相關(guān)的密度、黏聚力、內(nèi)摩擦角、彈性模量、體積模量、剪切模量、泊松比、單軸抗壓強(qiáng)度和抗拉強(qiáng)度的參數(shù)數(shù)據(jù)。
13、優(yōu)選的，所述步驟s3中，所述數(shù)據(jù)相關(guān)性的分析，用于獲取數(shù)學(xué)表達(dá)式，所述數(shù)學(xué)表達(dá)式封裝了參數(shù)數(shù)據(jù)與地面沉降之間的關(guān)系。
14、優(yōu)選的，所述步驟s4中，通過(guò)基因表達(dá)式編程(gep)算法構(gòu)建基本預(yù)測(cè)模型的步驟包括以下步驟：
15、步驟s41：初始化染色體群：每個(gè)染色體群代表優(yōu)化問(wèn)題的一個(gè)潛在解決方案，這些染色體由編碼數(shù)學(xué)表達(dá)式的基因組成。
16、步驟s42：適應(yīng)度評(píng)估：每個(gè)染色體的適應(yīng)度是用一個(gè)適應(yīng)度函數(shù)來(lái)衡量其在解決優(yōu)化問(wèn)題中的性能；
17、步驟s43：交叉突變：通過(guò)交叉和突變算子，從親本染色體中產(chǎn)生新的后代；
18、步驟s44：選擇：選擇過(guò)程決定了雙親和后代群體中哪些個(gè)體將根據(jù)其適合度值進(jìn)入下一代；
19、步驟s45：終止條件判斷：優(yōu)化過(guò)程迭代繼續(xù)，直到滿足終止條件，例如達(dá)到最大代數(shù)或獲得滿意的解。
20、步驟s46：返回最優(yōu)解：返回適應(yīng)度最高的作為最優(yōu)解。
21、優(yōu)選的，所述步驟s5中，所述誤差計(jì)算方法包括均方根誤差、平均絕對(duì)誤差、平方相關(guān)系數(shù)和納什效率系數(shù)。
22、優(yōu)選的，所述步驟s7中，通過(guò)人工蜂群(abc)算法構(gòu)建優(yōu)化預(yù)測(cè)模型的步驟包括：
23、步驟s71：利用人工蜂群(abc)算法對(duì)gep參數(shù)進(jìn)行優(yōu)化；
24、步驟s72：搜索空間探索：在優(yōu)化過(guò)程中，abc算法引導(dǎo)搜索gep算法的最優(yōu)參數(shù)值；確保gep算法有效地收斂到有希望的區(qū)域；
25、步驟s73：重組和突變：基于abc算法得到的優(yōu)化參數(shù)，對(duì)gep群體中的個(gè)體進(jìn)行重組和突變；
26、步驟s74：替換：通過(guò)重組和突變產(chǎn)生的后代取代當(dāng)前gep種群中的一些個(gè)體，確保種群保持多樣性并適應(yīng)搜索環(huán)境的變化；
27、步驟s75：迭代優(yōu)化：通過(guò)適應(yīng)度評(píng)估、優(yōu)化參數(shù)、遺傳操作和種群替換的過(guò)程進(jìn)行優(yōu)化過(guò)程迭代；
28、步驟s76：迭代直到滿足終止準(zhǔn)則，如最大迭代次數(shù)或獲得滿意的解。
29、優(yōu)選的，所述基因表達(dá)式編程(gep)算法通過(guò)genexprotools?v.5軟件實(shí)現(xiàn)。
30、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果如下：
31、1、本發(fā)明通過(guò)gep與abc的結(jié)合，增強(qiáng)了算法對(duì)解空間進(jìn)行全面搜索的能力，從而為復(fù)雜的優(yōu)化問(wèn)題找到高質(zhì)量的解決方案。
32、2、本發(fā)明通過(guò)采用嚴(yán)格的性能指標(biāo)，包括均方根誤差、平均絕對(duì)誤差、平方相關(guān)系數(shù)和納什效率系數(shù)計(jì)算誤差向量，以此來(lái)獲取最佳模型，這些指標(biāo)量化了每個(gè)模型的預(yù)測(cè)準(zhǔn)確性。
33、3、本發(fā)明通過(guò)對(duì)參數(shù)進(jìn)行敏感性分析，提高了所選模型的可解釋性，闡明了每個(gè)參數(shù)對(duì)地面沉降的影響，為采礦工程師和利益相關(guān)者提供了有價(jià)值的見解。
34、4、本發(fā)明通過(guò)gep與abc算法結(jié)合構(gòu)建沉陷預(yù)測(cè)模型，該模型的優(yōu)化過(guò)程是迭代的，每個(gè)周期都旨在提高模型的準(zhǔn)確性和預(yù)測(cè)能力，提高了沉陷預(yù)測(cè)的準(zhǔn)確度。
1.一種基于基因表達(dá)式編程與人工蜂群的采煤沉陷預(yù)測(cè)方法，其特征在于：其方法包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于基因表達(dá)式編程與人工蜂群的采煤沉陷預(yù)測(cè)方法，其特征在于：所述步驟s1中，所述參數(shù)數(shù)據(jù)包括采煤厚度、開采深度、以及與超載巖石相關(guān)的密度、黏聚力、內(nèi)摩擦角、彈性模量、體積模量、剪切模量、泊松比、單軸抗壓強(qiáng)度和抗拉強(qiáng)度的參數(shù)數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的一種基于基因表達(dá)式編程與人工蜂群的采煤沉陷預(yù)測(cè)方法，其特征在于：所述步驟s3中，所述數(shù)據(jù)相關(guān)性的分析，用于獲取數(shù)學(xué)表達(dá)式，所述數(shù)學(xué)表達(dá)式封裝了參數(shù)數(shù)據(jù)與地面沉降之間的關(guān)系。
4.根據(jù)權(quán)利要求1所述的一種基于基因表達(dá)式編程與人工蜂群的采煤沉陷預(yù)測(cè)方法，其特征在于：所述步驟s4中，通過(guò)基因表達(dá)式編程(gep)算法構(gòu)建基本預(yù)測(cè)模型的步驟包括以下步驟：
5.根據(jù)權(quán)利要求1所述的一種基于基因表達(dá)式編程與人工蜂群的采煤沉陷預(yù)測(cè)方法，其特征在于：所述步驟s5中，所述誤差計(jì)算方法包括均方根誤差、平均絕對(duì)誤差、平方相關(guān)系數(shù)和納什效率系數(shù)。
6.根據(jù)權(quán)利要求1所述的一種基于基因表達(dá)式編程與人工蜂群的采煤沉陷預(yù)測(cè)方法，其特征在于：所述步驟s7中，通過(guò)人工蜂群(abc)算法構(gòu)建優(yōu)化預(yù)測(cè)模型的步驟包括：
7.根據(jù)權(quán)利要求1所述的一種基于基因表達(dá)式編程與人工蜂群的采煤沉陷預(yù)測(cè)方法，其特征在于：所述基因表達(dá)式編程(gep)算法通過(guò)genexprotools?v.5軟件實(shí)現(xiàn)。