多源融合提升开采沉陷稳健预计：新模型与实验验证

本文主要探讨的是"融合多源求参结果的开采沉陷稳健预计方法"。在煤炭开采过程中，开采沉陷预测作为矿山开采沉陷学科的核心内容，对于确保"三下"采煤的安全生产至关重要。当前，我国的开采沉陷预计标准通常采用概率积分法，然而，准确、可靠地获取概率积分参数仍然是一个挑战，这促使学者们不断研发各种求参方法，如特征点求参、曲线拟合、空间拟合、模矢法、遗传算法、模拟退火法、支持向量机、神经网络法以及多尺度核偏最小二乘回归等。 文章指出，尽管模矢法、遗传算法和模拟退火法在求参精度、稳定性和求参难度方面表现优秀，但单个方法往往难以一次性准确、可靠地获得所有参数。这些方法之间存在互补性：模矢法可能容易陷入局部最优，而模拟退火法通过引入随机性可以跳出局部最优，理论上接近全局最优；然而，模拟退火法在抗差性能上稍显不足，而遗传算法则通过迭代优化能够较好处理这个问题。 作者针对这一问题，提出了一种融合多源求参模型参数的开采沉陷稳健预计方法。他们基于最小二乘原理构建了一个新的通用模型，结合了融合模矢法、遗传算法和模拟退火法的优点，旨在提高求参的稳健性和准确性。通过模拟实验验证，新模型在下沉预计误差和水平移动预计误差上显著优于仅使用单一方法的预测结果，显示出更强的抗差能力和稳定性。 总结来说，本文的研究重点在于解决单一求参模型的局限性，通过综合运用多种求参技术，旨在提升煤炭开采沉陷预计的精度和可靠性，这对于保障煤矿安全和资源的有效利用具有实际意义。