煤层属性空间变异的差分进化径向基神经网络插值

雷能忠

中国矿业大学资源与地球科学学院地质过程与矿产资源国家重点实验室(中国地质大学)皖西学院城市建设与环境系

摘 要：为提高煤层属性空间变异的插值精度,建立了径向基函数神经网络(RBFNN)预测模型。为提高差分进化算法(DE)的全局寻优能力,提出基于非均匀变异的最优克隆算子,使之融入DE,形成最优克隆差分进化算法(OCDE);并应用OCDE优化RBFNN的参数,构成了差分进化径向基神经网络插值方法。以贵州省织纳煤田为例,应用于煤层属性预测,分别设立插值方法的拟合精度评价指标——标准均方根误差(ENRMS)和预测精度评价指标——平均相对误差百分比(EMRP)。差分进化径向基神经网络方法在84个样本时,煤层厚度属性插值的ENRMS和EMRP值分别为23.31%和11.63%。在样本容量为84、74、64、54、44、34个训练样本集条件下,该方法的ENRMS和EMRP值都小于相应训练样本集的Kriging方法,插值的拟合精度和预测精度都显著好于Kriging方法。

关键词：煤层属性;插值;最优克隆差分进化算法(OCDE);径向基函数神经网络(RBFNN);