| 基于粗糙集优化支持向量机的泥石流危险度预测模型 |
| |
| 作者姓名： | 王晨晖 袁颖 周爱红 刘立申 王利兵 陈凯南 |
| |
| 作者单位： | 河北省地震局红山基准地震台,邢台,054000;河北地质大学勘查技术与工程学院,石家庄,050031 |
| |
| 基金项目： | 国家自然科学基金(41301015)、河北省教育厅重点项目(ZD2015073,ZD2016038)和石家庄经济学院国家自然科学基金预研基金(syy201308)资助。第一作者：王晨晖,男,河北邢台人,硕士研究生,研究方向为地震观测与研究。Email：caesar621@163.com。通讯作者：袁 颖,男,江西人,博士,教授。研究方向为工程抗震、地质灾害治理设计和结构损伤识别。 Email：yuanyingson@163.com。 |
| |
| 摘 要： | 为准确预测泥石流危险度,提出了基于粗糙集理论(RS)的粒子群算法(PSO)优化支持向量机(SVM)模型。首先离散化泥石流样本数据形成初始决策表,利用粗糙集理论对10个泥石流危险度影响指标进行属性约简,将约简后的泥石流指标数据归一化处理作为支持向量机的学习样本,通过粒子群算法寻优获得最佳支持向量机模型参数,最终建立基于粗糙集的泥石流危险度预测的优化支持向量机模型。并将构建的RS-PSO-SVM模型用于对测试样本的预测,结果表明：在相同训练样本的条件下,RS-PSO-SVM模型、PSO-SVM模型及RS-PSO-BP模型三者的预测准确率分别为：87.5%,87.5%,75%,说明RS-PSO-SVM模型和PSO-SVM模型具有比RS-PSO-BP模型更高的精度。此外,尽管RS-PSO-SVM模型和PSO-SVM模型具有相同的预测精度,但是由于进行了属性约简,RS-PSO-SVM模型可以有效提高运行效率,降低模型复杂度。
|
| 关 键 词： | 粗糙集 粒子群算法 支持向量机 泥石流危险度 |
| 收稿时间： | 2019-03-18 |
| 修稿时间： | 2019-05-14 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
