矿井瞬变电磁PSO-DLS组合算法提升探测精度与效率

本文主要探讨了矿井瞬变电磁（Transient Electromagnetic,简称TEM）技术在隧道和煤矿井下巷道施工中的应用挑战。矿井瞬变电磁法因其对低阻物体的高度敏感性，被广泛用于探测隧道和巷道顶部和底部的含水层，但在复杂施工环境和水文地质条件下，处理探测数据的难度较大，准确度往往不高。针对这一问题，作者李明星提出了结合粒子群优化算法（Particle Swarm Optimization, PSO）和阻尼最小二乘法（Damped Least Squares, DLS）的组合反演算法。 PSO算法是一种模拟鸟群觅食行为的全局优化算法，但其在搜索后期容易陷入局部最优，导致寻优效率下降。而DLS算法则是一种数值优化方法，能有效拟合数据，但需要人为设定初始值，增加了操作复杂性。通过对比分析，作者设计了一种新型的PSO-DLS组合算法，旨在克服PSO的晚期寻优问题，并避免DLS对初始值的依赖。 研究中，作者基于某矿井的实际地层资料，构建数学模型，并分别运用PSO、DLS和自创的组合算法进行反演计算。结果显示，相较于单独使用PSO和DLS，组合算法展现出更高的寻优效率，且无需预先设定初始模型。最后，该组合算法成功应用于中国淮北煤田煤矿巷道的实测瞬变电磁数据反演，结果显示能够准确地分离顶底板异常，并与测井资料、地质资料以及巷道揭露情况相吻合。这验证了组合算法在处理矿井瞬变电磁探测数据方面具有较高的准确性和实用性。 本文的贡献在于提出了一种创新的矿井瞬变电磁数据反演方法，对于提升井下施工过程中的水文地质探测精度具有重要意义，为今后类似领域的研究和实践提供了有价值的技术支持。关键词包括粒子群优化算法（PSO）、阻尼最小二乘法（DLS）、组合算法以及矿井瞬变电磁技术。