[发明专利]一种概率积分法参数稳健估计方法、设备及介质

说明书

本发明公开了一种基于CA‑rPSO的概率积分法参数稳健估计方法、设备及介质，首先根据矿区地表移动的观测数据，联合截断最小二乘LTS方法和CA‑rPSO得出概率积分法参数初始估值以及初始单位权中误差；根据初始单位权中误差采用权函数IGGIII得出各观测数据的初始权值；然后将概率积分法参数初始估值和初始权值作为迭代初值，通过寻优搜索、迭代计算，获得稳健、高精度的概率积分法参数的最优解；本发明在观测数据存在粗差的情况下能够高精度地反演出概率积分法参数，对充分利用各种地表移动观测数据、研究地下煤炭开采引起的地质灾害、预测评估建/构筑物损害情况以及优化地下煤炭开采方案具有重要的科学价值。

技术领域

本发明涉及大地测量和数据挖掘领域，特别涉及一种基于CA-rPSO的概率积分法参数稳健估计方法、设备及介质。

背景技术

地下煤矿开采引起的地表移动变形预计是开采损害与保护的核心内容之一，对开采沉陷的理论研究和生产实践都有重要的意义。概率积分法是我国最为常用的开采沉陷预计方法之一，概率积分法参数(包括下沉系数_q、水平移动系数b、主要影响角β、主要影响传播角θ和拐点偏移距s)的可靠性决定着开采沉陷预计结果的精度。

概率积分法参数通常根据地表移动观测站的观测数据利用一定的方法求解得出，常规的概率积分法参数解算方法包括：特征点法、正交实验法、总体最小二乘法、高斯-牛顿法、麦夸特法、模矢法、智能优化算法等。但以上方法均存在一定的不足：特征点法仅用个别关键点解算概率积分法参数，虽然效率高，但是求解过程缺乏稳定性且误差较大；正交实验法的预计工作量随因素水平增加呈指数增长，不便于计算机实现；总体最小二乘法需要对概率积分法模型线性化并求逆，但是线性化后的法方程系数阵是病态的，导致求逆不稳定；高斯-牛顿法、麦夸特法和模矢法等迭代算法对迭代初始值较为敏感，易造成迭代过程发散；

在智能优化算法中，以遗传算法GA和粒子群优化算法PSO为代表的智能优化算法有效地克服了上述方法的不足，在实际应用中取得较理想的效果，但是遗传算法和粒子群优化算法易陷局部最小；基于文化框架的粒子群优化算法(CA-rPSO)集成了粒子群PSO局部精细化搜索和随机粒子群rPSO大范围、高效率搜索的优点，适合多维、非线性系统优化解算(参见文献1王正帅，邓喀中.基于文化框架的随机粒子群优化算法[J].计算机科学，2012，(06):198-200.)。然而，同GA等智能优化算法一样，CA-rPSO也存在受初值影响严重的问题，其解算结果有可能严重偏离真实值。

另外，随着测量现代化进程的加快，在施测过程中大量采用规模化、集成化、自动化数据采集技术，包括全站仪、自动安平电子水准仪、测量机器人、三维激光扫描仪、CORS-RTK、InSAR、测量无人机等，这使得所获取的观测数据中将不可避免地包含有误差甚至粗差。上述常规的概率积分法参数解算方法大多基于最小二乘思想，因而不具有抗差性能，少量的粗差就有可能导致错误的结果。

稳健估计方法是在极大似然估计的基础上，通过一定原则选择影响函数，削弱误差和粗差数据的影响，从而使估值达到稳健化。为了根据受污染的观测数据准确解算出概率积分法参数，稳健估计是一种可行的方法。其中，基于Huber和最小范数的选权迭代最小二乘法为含粗差的观测数据配赋一个小权重值，能够减少其对解算结果的影响，但是这两个权函数没有淘汰段，难以有效抵抗粗差；基于总体最小二乘与选权迭代法的抗差总体最小二乘法，由于其迭代初值易受粗差的影响，容易造成迭代失真的现象。

发明内容

本发明提供一种基于CA-rPSO的概率积分法参数稳健估计方法、设备及介质，其目的在于，克服迭代初值和粗差数据的影响，在观测数据存在粗差的情况下也能够高效率、高精度的反演出概率积分法参数。

为实现上述技术目的，本发明采用如下技术方案：

一种基于CA-rPSO的概率积分法参数稳健估计方法，其特征在于，包括以下步骤：