[发明专利]引力搜索优化的矿岩强度软测量方法

摘要

本发明公开了一种引力搜索优化的矿岩强度软测量方法。本发明采用支持向量机作为矿岩强度的软测量模型，利用引力搜索算法对支持向量机的训练参数进行优化设计。在引力搜索算法中，首先执行基本引力搜索算法的操作算子，然后选择出一个随机个体，并对其执行最优个体导向的局部搜索操作，从而增强算法的性能，提高软测量模型的精度。本发明能够提高矿岩强度的软测量精度，提高矿岩强度的测量效率。

主权项

一种引力搜索优化的矿岩强度软测量方法，其特征在于，包括以下步骤：步骤1，在需要软测量的区域内采集MR个矿岩试件，然后通过试验测量出每个矿岩试件的吸水率、干密度、波阻抗、动泊松比、动弹性模量以及抗压强度，将试验所测量出来的数据作为样本数据集；然后对样本数据集进行归一化处理；步骤2，用户初始化种群大小Popsize，最大评价次数MAX_FEs；步骤3，令当前演化代数t＝0，当前评价次数FEs＝0，支持向量机的优化设计参数个数D＝3；步骤4，设置支持向量机的输入变量为矿岩试件的归一化的吸水率、干密度、波阻抗、动泊松比、动弹性模量，且输出为矿岩试件的归一化的抗压强度；步骤5，设置支持向量机的D个优化设计参数的下界LBj和上界UBj，其中维度下标j＝1,2,3；步骤6，随机产生初始种群其中个体下标i＝1,2,...,Popsize，并且为种群Pt中的第i个个体，其随机初始化公式为：Bi,1,jt=LBj+rand(0,1)×(UBj-LBj)]]>Bi,2,jt=0]]>其中维度下标j＝1,2,3，并且表示第i个个体的位置，存储了支持向量机的D个待优化设计参数的值，即是支持向量机的惩罚因子C，是支持向量机的径向基核参数g，是支持向量机的不敏感损失函数中参数ε；表示第i个个体在每一维上的速度大小；rand(0,1)为在[0,1]之间服从均匀分布的随机实数产生函数；步骤7，计算种群Pt中所有个体的适应值；步骤8，令当前评价次数FEs＝FEs+Popsize；步骤9，保存种群Pt中的最优个体Bestt；步骤10，按以下公式计算当前引力常数Gt：Gt=100×exp(-20×FEsMAX_FEs)]]>其中exp表示以自然常数e为底的指数函数；步骤11，按以下公式计算当前精英个体数量KBest：KBest=1+(Popsize-1)×(1.0-FEsMAX_FEs);]]>步骤12，计算种群Pt中所有个体的质量；步骤13，利用KBest个精英个体和引力常数Gt计算种群Pt中每个个体所受到的引力；步骤14，更新种群Pt中所有个体的加速度和速度；步骤15，更新种群Pt中所有个体的位置；步骤16，计算种群Pt中所有个体的适应值；步骤17，令当前评价次数FEs＝FEs+Popsize；步骤18，随机选择一个个体，然后对选择出来的个体执行混沌局部搜索操作，具体步骤如下：步骤18.1，令混乱次数IN＝300+200×rand(0,1)；步骤18.2，在[0,1]之间的随机产生一个实数ir，如果ir等于0.25，0.5或0.75则重新产生直到ir不等于0.25，0.5或0.75；步骤18.3，令计数器kt＝1，并令迭代因子tf＝ir；步骤18.4，如果计数器kt大于IN则转到步骤18.8，否则转到步骤18.5；步骤18.5，令混沌因子cf＝4.0×tf×(1.0‑tf)；步骤18.6，令迭代因子tf＝cf；步骤18.7，令计数器kt＝kt+1，转到步骤18.4步骤18.8，在[1,Popsize]间随机产生一个正整数R1；步骤18.9，在[1,Popsize]间随机产生一个不等于R1的正整数R2；步骤18.10，令混沌因子cf＝4×tf×(1‑tf)；步骤18.11，令迭代因子tf＝cf；步骤18.12，按以下公式产生一个个体NUt：NU1t=[BR2,1t+cf×(Best1t-BR2,1t)]×SK+[(Best1t+MEBt)×MK-BR2,1t]×(1-SK)]]>NU2t=BR2,2t]]>其中反向因子MK的值为[0,1]之间随机生成的实数，交叉因子SK的值为[0,1]之间随机生成的实数，MEBt为种群中所有个体的位置的平均值；步骤18.13，计算个体NUt的适应值，令当前评价次数FEs＝FEs+1；步骤18.14，如果个体NUt的适应值优于的适应值，则转到步骤18.15，否则转到步骤19；步骤18.15，令个体步骤18.16，转到步骤18.9；步骤19，令当前演化代数t＝t+1；步骤20，保存种群Pt中的最优个体Bestt；步骤21，重复步骤10至步骤20直至当前评价次数FEs达到MAX_FEs后结束，将执行过程中得到的最优个体Bestt解码为支持向量机的训练参数，将训练好的支持向量机作为软测量模型，即可实现矿岩强度的软测量。