节点文献

基于粒子群优化支持向量机的延长县滑坡易发性评价

免费订阅

【作者】 郭天颂张菊清韩煜钟炎伶谭锦蓉韦建成

【Author】 Guo Tiansong;Zhang Juqing;Han Yu;Zhong Yanling;Tan Jinrong;Wei Jiancheng;School of Geological Engineering and Geomatics, Chang′an University;State Key Laboratory of Geographic Information Engineering, Chang′an University;

【通讯作者】 张菊清;

【机构】 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

【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。

【基金】 国家自然科学基金项目(41731066;41274004)
【所属期刊栏目】 工程地质 (2019年03期)
  • 【DOI】10.19509/j.cnki.dzkq.2019.0325
  • 【分类号】P642.22
  • 【下载频次】273
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: