基于MOPSO-SA混合算法的矿山微震震源定位方法

目前，已有的微震定位方法有几何作图法、线性定位法(包括绝对定位法和相对定位法) 和非线性定位法。 然而，受背景噪音、机械振动等因素干扰，煤矿微震信号非常复杂，上述方法定位性能较差。 因此，如何有效提升煤矿 微 震 震 源 定 位 精 度 是 目 前 面 临 的 一 个 重 大问题 。

目前，主要的煤矿微震震源定位方法是反演法。该方法通过震源检波探测器接收震源初至时刻来反演震源的位置，包括非启发式和启发式 2 种 。 非启发式方法主要包括牛顿法、拟牛顿法和梯度下降法等。 杨俊峰等提出了一种基于 DTOA 和牛顿法的震源定位方法，发现该方法能有效地提高震源定位的准确性。 为解决远场震源定位问题，李月等在基于无需测速的震源定位模型中，先利用遗传算法的全局优化能力缩小搜索范围，再通过拟牛顿法实现局部精确寻优。 试验结果表明，该混合算法定位速度更快、精度更高。 非启发式方法虽然可以通过一定的改进提升震源定位的精度，但是存在复杂的导数求解、 局部搜索和收敛速度慢等问题，容易定位到错误的位置，导致定位精度较差。因此，启发式方法是目前研究的主流方法，主要包括模拟退火法、单纯形法、遗传算法和粒子群优化算法等。 王泉栋等采用多种群遗传算法求解定位问题，通过 2 个种群独立进化，提高遗传算法的全局搜索能力。 陈炳瑞等利用粒子群优化算法，识别微震震源和速度模型，进一步提高了定位精度。 从上面的讨论和分析可以看出，大多数现有的微震震源定位方法是基于单目标优化方法或传统的非启发式方法，关于震源定位的多目标优化相关工作很少。分析发现，在震源定位问题中，能量较大的微震激发的检波探测器个数较多，选择哪些通道的震动信号进行定位可以获得更好的定位精度仍有待进一步研究。 为此，笔者将震源定位问题转化为一个多目标优化问题，提出一种既考虑通道个数又考虑定位　精度的多目标微震震源定位模型，并利用多目标粒子群优化算法行求解。考虑到粒子群优化算法易于早熟收敛，而模拟退火是一种易于跳出局部最优的全局搜索算法。 因此，将二者结合形成一种取长补短的混合算法，有利于提升震源定位精度。

1)将传统微震震源定位模型非线性方程式的求解转化为一个优化问题，简化了求解过程。2)针对不同的优化求解模型，多目标震源定位模型相比较于单目标震源定位模型，可以显著减小定位误差。3)不同检波探测器测量得到的数据中包含不同程度的噪声，改变参与定位的通道信号，定位性能自然会受到影响。 参与定位的微震信号检测通道个数也是定位误差的主要影响因素之一，即使通道个数确定，定位性能依然需要进一步优化。4)提出的一种基于多目标粒子群-模拟退火的混合定位方法，该方法利用多目标粒子群优化算法的全局探索性能，为实现局部搜索的模拟退火算法提供更优的初始解，同时也有效避免寻优过程陷入局部极值，能够实现多目标震源定位模型优化求解。