[发明专利]一种基于量子退火法的概率积分法参数反演方法

说明书

本发明涉及一种基于量子退火法的概率积分法参数反演方法，首先给定概率积分参数初始值B₀，确定温度及横向场变化函数，各概率积分参数的波动范围±ΔB、参数最大允许步长scale以及内循环次数M，其次，通过计算逐渐降低的温度和横向场下的目标函数，从而确定各温度下的最优参数解，最终通过判断精度要求或者是否达到最低温度和横向场来输出最优参数解。该方法在继承了模拟退火法优点的基础上，利用量子涨落机制取代模拟退火法的热涨落机制，有效的克服了模拟退火算法的缺点。相对于基于模拟退火的概率积分参数反演方法，该方法有效的提高了收敛速度和跳出局部最优解的可能性，增强了全局优化能力，使得概率积分参数反演更精准、更可靠。

技术领域

本发明属于矿山变形监测技术领域，具体涉及一种量子退火法的概率积分法参数反演方法。

背景技术

概率积分法是中国官方指定的开采沉陷预计方法，基于实测资料求取概率积分法参数是开采沉陷观测数据处理的核心内容。概率积分法模型是典型的多参数(8个参数：下沉系数q、主要影响角正切tanβ、水平移动系数b、主要影响传播角θ、上拐点偏移距S_u、下拐点偏移距S_d、左拐点偏移距S_l和右拐点偏移距S_r)复杂非线性模型，如何基于地表移动观测站实测资料精准求参是概率积分法预计模型应用的难点。

传统的概率积分法参数求取方法主要为特征点求参和最小二乘拟合求参。其中特征点求参方法简单，但是特征点往往难以精确选取，求参可靠性差。最小二乘拟合求参方法理论严密，但是求参模型对与概率积分参数初值要求极为严格，如果参数初值偏离真值超过一定的阈值，求参模型将发散导致无法求参，求参难度大。由于传统求参方法存在上述缺点，专家学者们引入非线性优化算法进行概率积分法参数反演，比如模矢法、神经网络法、支持向量机法、遗传算法、人工蜂群算法、果蝇算法、粒子群算法，以及近期被引入开采沉陷领域的模拟退火算法(简称SA)等。通过对上述非线性优化算法比较研究发现：(1)上述非线性优化算法在概率积分参数求取过程中普遍存在不同程度的易陷入局部最优解问题，求取的概率积分参数的可靠性差；(2)SA算法具备一定的全局优化能力(可一定程度降低对参数初值的精度要求)，且适用于任意工作面形状的概率积分法参数反演，但仍存在收敛速度慢，易陷入局部最优解等问题。如果能提高SA算法收敛速度、提高跳出局部最优解的可能性，增强全局优化能力，那么相对于其它方法利用SA算法进行概率积分法参数反演具有较大的优越性。

有关文献表明：融合量子涨潮机制和模拟退火理论的量子退火算法(QA)既很好的继承SA算法优点，也可以通过量子遂穿效应加速收敛，同时提高跳出局部最优解的可能性，量子退火巧妙的克服了SA的缺点。

发明内容

基于此，有必要针对上述问题，本发明提出将量子退火用于概率积分参数反演的思想，并具体构建基于量子模拟退火的概率积分法参数反演方法。

根据本发明的目的，提供一种基于量子退火法的概率积分法参数反演方法，包括如下步骤：

步骤1、预先设定概率积分参数初始值B₀、温度以及横向场变化函数最低温度和横向场T_min＝Γ_min、概率积分参数的波动范围±ΔB、最大允许步长scale以及内循环次数M；