基于粒子群优化支持向量机的延长县滑坡易发性评价

基于粒子群优化支持向量机的延长县滑坡易发性评价

论文摘要

参数优化问题直接影响着支持向量机的预测精度和泛化能力,粒子群优化算法具有全局最优搜索能力,因此通过粒子群算法优化支持向量机参数可以有效提高预测精度。以延长县历史滑坡数据为基础,分析了岩性、地貌类型、土壤厚度、坡度、坡向、坡高与滑坡分布的关系,并利用滑坡密度值对各定性或定量因子进行了归一化处理;在此基础上,通过区域内所划分的16 300个斜坡单元作为评价单元,采用粒子群优化支持向量机(PSO-SVM)算法完成了延长县滑坡的易发性评价。从滑坡密度指标角度来看,评价结果中高易发区和极高易发区的历史滑坡数占比72.19%,通过滑坡面积百分比(LAR)等指标进行了有效的验证,均显示出对滑坡易发性评价效果良好。

论文目录

  • 1 粒子群优化支持向量机 (PSO-SVM) 原理
  •   1.1 支持向量机
  •   1.2 基于粒子群优化的支持向量机 (PSO-SVM)
  • 2 评价指标体系的建立
  •   2.1 研究区概况
  •   2.2 评价因子的提取
  •     (1) 岩性
  •     (2) 地貌类型
  •     (3) 土壤厚度
  •     (4) 坡度
  •     (5) 坡向
  •     (6) 坡高
  • 3 延长县滑坡易发性评价
  •   3.1 评价单元的选择
  •   3.2 滑坡易发性评价结果
  • 4 结 语
  • 文章来源

    类型: 期刊论文

    作者: 郭天颂,张菊清,韩煜,钟炎伶,谭锦蓉,韦建成

    关键词: 滑坡,斜坡单元,粒子群算法,支持向量机,易发性评价

    来源: 地质科技情报 2019年03期

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑

    专业: 地质学,工业通用技术及设备

    单位: 长安大学地质工程与测绘学院,长安大学地理信息工程国家重点实验室

    基金: 国家自然科学基金项目(41731066,41274004)

    分类号: P642.22

    DOI: 10.19509/j.cnki.dzkq.2019.0325

    页码: 236-243

    总页数: 8

    文件大小: 6634K

    下载量: 341

    相关论文文献

    • [1].混合分类模型在滑坡易发性分区中的适用性研究——以延安市宝塔区为例[J]. 干旱区资源与环境 2020(01)
    • [2].基于信息量法的金沙江峡谷段滑坡易发性评价[J]. 四川建筑 2019(06)
    • [3].加权确定性系数模型的滑坡易发性评价[J]. 西安科技大学学报 2020(02)
    • [4].几种聚类优化的机器学习方法在灵台县滑坡易发性评价中的应用[J]. 西北地质 2020(01)
    • [5].地质灾害易发性评价方法对比研究:以京津冀地区为例[J]. 环境生态学 2020(04)
    • [6].采用多模型融合方法评价滑坡灾害易发性:以湖北省五峰县为例[J]. 地质科技通报 2020(03)
    • [7].频率比与信息量模型在黄土沟壑区滑坡易发性评价中的应用与比较[J]. 自然灾害学报 2020(04)
    • [8].基于信息量与神经网络模型的滑坡易发性评价[J]. 岩石力学与工程学报 2020(S1)
    • [9].雷电易发性区划及防范措施[J]. 现代建筑电气 2017(03)
    • [10].基于地貌单元的小区地质灾害易发性分区方法研究[J]. 世界有色金属 2017(11)
    • [11].可拓学在济南市地质灾害易发性评价中的应用[J]. 山东国土资源 2015(04)
    • [12].暴雨条件下地质灾害易发性评价体系研究[J]. 环球人文地理 2014(12)
    • [13].基于经验权重方法的舟曲县泥石流易发性评估[J]. 防灾科技学院学报 2013(04)
    • [14].利用深度信念网络进行滑坡易发性评价[J]. 武汉大学学报(信息科学版) 2020(11)
    • [15].基于径向基神经网络的思南县崩塌易发性评价[J]. 科学技术与工程 2019(35)
    • [16].基于空间多尺度分析的滑坡易发性评价——以三峡库区秭归-巴东段为例[J]. 大地测量与地球动力学 2020(02)
    • [17].基于信息量模型的盘州市地质灾害易发性评价[J]. 科学技术与工程 2020(14)
    • [18].基于样本与因子优化的黄冈南部地区地质灾害易发性评价[J]. 地质科技通报 2020(02)
    • [19].基于层次分析法的地质灾害易发性评价应用——以日照市为例[J]. 山东国土资源 2020(10)
    • [20].基于多模型的滑坡易发性评价[J]. 测绘与空间地理信息 2019(10)
    • [21].旋转森林模型在滑坡易发性评价中的应用研究[J]. 武汉大学学报(信息科学版) 2018(06)
    • [22].基于地貌单元的小区域地质灾害易发性分区方法研究[J]. 科技创新与应用 2016(35)
    • [23].重庆万州龙驹坝地区滑坡灾害易发性分析[J]. 人民长江 2017(10)
    • [24].定西市安定区地质灾害易发性评价及防治对策分析[J]. 地下水 2017(04)
    • [25].吉林永吉县地质灾害易发性区划[J]. 吉林地质 2017(03)
    • [26].厚黄土与煤炭采空区地质灾害易发性评价[J]. 煤田地质与勘探 2017(05)
    • [27].基于层次分析法的滑坡易发性评价[J]. 甘肃水利水电技术 2017(09)
    • [28].浙西梅雨滑坡易发性评价模型对比[J]. 地球科学 2016(03)
    • [29].证据权模型在泥石流灾害易发性评价中的应用[J]. 干旱区地理 2013(06)
    • [30].区域滑坡易发性评价的时间尺度特征分析[J]. 中国水土保持 2014(06)

    标签:;  ;  ;  ;  ;  

    基于粒子群优化支持向量机的延长县滑坡易发性评价
    下载Doc文档

    猜你喜欢