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。