本發明專利技術涉及一種基于分量熱力學基因表達式編程的礦巖強度預測方法。本發明專利技術利用提出的分量熱力學基因表達式編程算法以礦巖試件的吸水率、干密度、波阻抗、動泊松比、動彈性模量為輸入變量，抗壓強度為輸出變量，自動智能地挖掘出礦巖強度的數學模型，從而預測礦巖的抗壓強度。本發明專利技術能定量地協調基因表達式編程中選擇壓力和種群多樣性之間的平衡，從而提高了傳統基因表達式編程應用于礦巖強度預測的收斂速度、求解精度和算法的穩定性。
【技術實現步驟摘要】
本專利技術涉及一種礦巖強度預測方法，尤其是涉及ー種基于分量熱力學基因表達式編程的礦巖強度預測方法。
技術介紹
礦巖強度問題是礦業工程中的基本問題，但是由于傳統的礦巖強度預測方法需要進行大量的現場試驗，從而導致人力、資金等急劇增加。在實際工程實踐中受資金、設備等條件的制約，往往無法進行大量的現場試驗。因此如何高效、準確地預測礦巖強度，是許多工程人員十分關注的重要問題。目前，用于礦巖強度的預測方法有很多，主要可以分為數學物理預測方法和智能預測方法。數學物理預測方法需要工程人員掌握比較多的專業知識，因此普適性不是很強。而智能預測方法則是融合計算機科學技木，尤其是智能計算技術而發展的一種簡單易行，無需工程人員掌握很多的領域知識，并且具有靈活、通用性強，可 滿足復雜多樣的實際工程需求等優點。因此智能預測方法具有廣闊的前景，是當前礦巖強度預測研究的熱點。目前，礦巖強度的智能預測方法主要是神經網絡，支持向量機等方法。但這些方法存在著很多不足，實際工程效果并不是很理想。神經網絡和支持向量機的方法存在的主要問題是需要采集礦巖試件數量較多，當礦巖試件數量較少容易過度擬合，所獲得的模型精度很有限，往往無法達到實際工程要求。而當礦巖試件數量較多時，一方面會導致人力、資金等増加；另一方面也増加了算法學習過程的復雜性，從而導致學習時間長。可以參見有關文獻基于粒子群支持向量機的礦巖強度指標的超聲預測.近年來，智能計算技術的迅速發展，出現了基因表達式編程算法。基因表達式編程算法是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的一種有效的智能計算方法，它采用固定長度的線性字符串表示解，因此它具有簡潔、高性能和強魯棒性等優點，已經成功應用到眾多的實際工程領域中。然而在實際工程實踐中發現，傳統基因表達式編程算法應用于礦巖強度預測時，存在著收斂速度慢和容易陷入局部最優的問題。這兩個問題的原因在很大程度上是由于在傳統基因表達式編程算法的演化操作過程中，無法定量地協調選擇壓カ和種群多祥性之間的平衡，從而容易導致選擇壓カ和種群多祥性出現隨意抖動，影響了傳統基因表達式編程算法的收斂速度和求解精度。當傳統基因表達式編程算法應用于礦巖強度預測時，選擇壓カ和種群多樣性兩者之間是相互沖突的。在通常情況下，當選擇壓力過大時，種群中接近于當前最優個體的個體就越多，種群的平均適應值就越優秀，可以使基因表達式編程算法收斂速度加快，但會導致種群中大部分的個體都趨向于當前最優個體的附近，種群多樣性變差，増加算法陷入局部最優的概率；當選擇壓力過小時，雖然可以使得種群中個體分布趨于分散，種群多樣性變好，増加算法收斂到全局最優解的概率，但這樣會減慢基因表達式編程算法的收斂速度。目前，如何定量地協調基因表達式編程算法的選擇壓力和種群多祥性之間平衡的研究成果還很缺乏。
技術實現思路
本專利技術主要是解決現有技術所存在的技術問題；提供了ー種定量地協調基因表達式編程中選擇壓力和種群多祥性之間的平衡，以提高傳統基因表達式編程的收斂速度、求解精度和算法的穩定性。利用提出的分量熱力學基因表達式編程算法以礦巖試件的吸水率、干密度、波阻抗、動泊松比、動彈性模量為輸入變量，抗壓強度為輸出變量，自動智能地挖掘出礦巖強度的數學模型，從而預測礦巖的抗壓強度的。本專利技術的上述技術問題主要是通過下述技術方案得以解決的，其特征在于，包括以下步驟步驟1，采集N個礦巖樣本，并針對N個礦巖樣本的吸水率、干密度、波阻抗、動泊松比、動彈性模量以及抗壓強度進行實驗后獲得每ー個礦巖樣本的試驗數據；并將N個礦 巖樣本的試驗數據記為矩陣A ；步驟2，用戶自定義初始化參數，所述初始化參數包括種群大小PS，子種群大小M，最大評價次數MAX_FE，比例因子α，等級數K，Markov鏈長LK，初始溫度T0，函數符和終結符，基因長度，基因個數，變異概率，插串概率，插串長度以及重組概率；步驟3，令當前演化代數t=0;溫度下降因子k=0;溫度T=TO;步驟4，產生初始化種群Pt，對每個個體的染色體解碼成數學表達式，并利用矩陣A評價每個個體的適應值，其中吸水率、干密度、波阻抗、動泊松比、動彈性模量為輸入變量，抗壓強度為輸出變量；然后保存最優個體，并計算第O代的活躍窗ロ Wtl ；步驟5，通過執行基因表達式編程的選擇、變異、插串、重組算子對種群Pt中的PS個個體生成M個新個體，并將M個新個體組織成子種群0t，對Ot中的每個個體進行適應值評價；然后保存適應值最大的個體為最優個體；步驟6，將種群Pt中的PS個個體和子種群Ot中的M個個體組織成臨時種群P’ t，然后計算第t+1代的活躍窗ロ Wt+1，并計算臨時種群P’t的中的每個個體的自由能分量，再找出自由能分量值最大的前M個個體，然后刪除這M個個體，得到由PS個個體組成的新一代種群Pt+1 ;步驟7，重復步驟5至步驟6直至評價次數達到MAX_FE后結束，將執行過程中得到的最優個體的染色體解碼成數學表達式就可以得到以吸水率、干密度、波阻抗、動泊松比、動彈性模量為輸入變量，抗壓強度為輸出變量的礦巖強度數學模型，利用獲得的礦巖強度數學模型就可以預測礦巖的抗壓強度。在上述的，所述步驟4的具體操作步驟如下對每個個體的染色體解碼成數學表達式，并利用矩陣A評價每個體的適應值，并保存適應值最大的個體為最優個體，設任意個體j的染色體解碼成數學表達式記為&，其適應值計算公式為i .Oc -10 + X (f} (An, An, Ai3, A14, Jis) - Ai6)其中，N 為礦巖樣本總數，Ail, Ai2, Ai3, Ai4, Ai5, Ai6,分別為矩陣A中存儲的第i礦巖樣本的吸水率、干密度、波阻抗、動泊松比、動彈性模量和抗壓強度，最優個體的判斷標準是在所有個體中適應值最大的個體。在上述的，所述步驟5中的具體操作步驟如下步驟5. 1，判斷當前評價次數是否大于等最大評價次數MAX_FE，若是則轉到步驟7，否則執行以下步驟；步驟5. 2，i=0 ;其中，i為臨時變量，為記數器；步驟5. 3，判斷i是否大于等于Markov鏈長LK，若是則執行溫度下降因子k=k+l ；當前溫度T=T/(l+k)，后執行步驟5.1，否則執行以下步驟；步驟5. 4，通過執行基因表達式編程的選擇、變異、插串、重組等算子生成M個新個 體；步驟5. 5，將M個新個體組織成子種群0t，然后按公式 F(X) ニ---ΓI .Oe —10 + Σ (/ノ (A11, A12，A13，Al4，Al5) — Α,6)計算Ot中的每個個體的適應值，并且保存適應值最大的個體為最優個體。在上述的，所述步驟6的具體操作步驟如下步驟6. 1，計算第t+Ι代的活躍窗ロ fft+1 ;并令臨時種群P，t=Pt U Ot ;，其中Pt是當前種群，Ot是子種群步驟6. 2，計算P’ t中的PS+M個個體的相對能量；步驟6. 3，根據步驟6. 2中計算的相對能量，計算P’t中的PS+M個個體的自由能分量;步驟6. 4，從P’ t中找出自由能分量最大的前M個個體；步驟6. 5，將步驟6. 4中找出的M個具有最大自由能分量的個體從P’ t中刪除；步驟6. 6,當前演化代數t=t+l ；,下一代新種群Pt=P’ t ；i=i+l,后執行步驟5. 3。在上本文檔來自技高網...
【技術保護點】
一種基于分量熱力學基因表達式編程的礦巖強度預測方法，其特征在于，包括以下步驟：步驟1，采集N個礦巖樣本,并針對N個礦巖樣本的吸水率、干密度、波阻抗、動泊松比、動彈性模量以及抗壓強度進行實驗后獲得每一個礦巖樣本的試驗數據；并將N個礦巖樣本的試驗數據記為矩陣A；步驟2，用戶自定義初始化參數，所述初始化參數包括種群大小PS,子種群大小M，最大評價次數MAX_FE，比例因子α，等級數K，Markov鏈長LK，初始溫度T0，函數符和終結符,基因長度，基因個數，變異概率，插串概率，插串長度以及重組概率；步驟3，令當前演化代數t=0;溫度下降因子k=0;溫度T=T0;步驟4,產生初始化種群Pt，對每個個體的染色體解碼成數學表達式，并利用矩陣A評價每個個體的適應值，其中吸水率、干密度、波阻抗、動泊松比、動彈性模量為輸入變量，抗壓強度為輸出變量；然后保存最優個體，并計算第0代的活躍窗口W0；步驟5，通過執行基因表達式編程的選擇、變異、插串、重組算子對種群Pt中的PS個個體生成M個新個體，并將M個新個體組織成子種群Ot，對Ot中的每個個體進行適應值評價；然后保存適應值最大的個體為最優個體；步驟6，將種群Pt中的PS個個體和子種群Ot中的M個個體組織成臨時種群P’t，然后計算第t+1代的活躍窗口Wt+1，并計算臨時種群P’t的中的每個個體的自由能分量，再找出自由能分量值最大的前M個個體，然后刪 除這M個個體，得到由PS個個體組成的新一代種群Pt+1；步驟7，重復步驟5至步驟6直至評價次數達到MAX_FE后結束，將執行過程中得到的最優個體的染色體解碼成數學表達式就可以得到以吸水率、干密度、波阻抗、動泊松比、動彈性模量為輸入變量，抗壓強度為輸出變量的礦巖強度數學模型,利用獲得的礦巖強度數學模型就可以預測礦巖的抗壓強度。...
【技術特征摘要】
【專利技術屬性】
技術研發人員：郭肇祿，吳志健，董曉健，李元香，張勇，
申請(專利權)人：武漢大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。