共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
3.
4.
《地震工程与工程振动》2015,(6)
通过对地震伤亡资料的综合考察研究,本文构建了影响地震伤亡人数的指标集,利用粗糙集理论约简此指标结构,建立最小二乘支持向量回归机预测模型预测伤亡人数,并用粒子群优化算法对模型参数进行优化。最后,将模型运用于云南地震伤亡人数预测,结果和RS-BP神经网络预测模型对比分析,验证了该模型预测的有效性。又将模型应用于芦山和玉树地震死亡人数的预测,验证了模型的适用性。实验结果表明该模型能在地震发生后,给决策者提供人员救护、安置以及应急物资供应、统筹调度的有效依据。 相似文献
5.
将遗传算法(GA)和反向传播算法(BP算法)相结合成为GA-BP算法，以此建立了遗传BP神经网络．并将以BP算法为基础的BP神经网络及以GA-BP算法为基础的遗传BP神经网络用于对地震和爆破的识别中．得到的结果表明:遗传BP网络比BP网络对事件的识别能力略好些． 相似文献
6.
针对地震预测中定量计算的困难性,利用地震前兆异常高维数据特征,研究一种基于粒子群聚类算法的地震预报模型。该模型输入为条带、空区、短水准等14项异常指标数据,输出为震级分类。模型设定聚类平均距离为粒子群算法的评价函数,发掘分析地震前兆数据与地震震级的关系。结果表明该模型能有效地根据地震前兆数据预测地震震级,与传统聚类k-means算法模型相比,稳定性强,预报准确性更高。历史地震数据实例研究表明,本文提出的模型充分利用了粒子群算法的高鲁棒性、高适应性和群体智能的协同策略,是改进地震预报效能的途径之一。 相似文献
7.
瞬变电磁圆锥型场源装置有效的减小了线圈间的电感,提高了小装置探测地下浅层的分辨率,但常规反演方法需给定初始模型且反演精度不高.针对瞬变电磁法反演计算问题,通过对粒子群优化算法(PSO)和神经网络算法(BP)分析研究,改进了一种基于神经网络算法Sigmoid函数的自适应加权粒子群优化(AWPSO)算法.采用标准测试函数对算法进行试算,建立多个理论层状地质模型对该算法进行理论验证,最后在地质资料已知地区开展现场实验.计算结果表明,新提出的算法具有更高的全局搜索寻优能力和收敛速度快、计算精度高,且不需要给定初始模型;实验结果显示实测数据反演结果与高密度电法探测结果吻合,证明该算法能够对瞬变电磁探测数据进行反演计算且精度较高,可以在同类型的浅层探测任务中提供参考. 相似文献
8.
9.
砂土液化是一种危害性比较大的自然灾害,对砂土液化进行判定预测在地质灾害防治领域中有重要的研究意义。通过粗糙集理论(Rough Set,RS)对影响砂土液化的6个初始评价指标(包括震级、土深、震中距、地下水位、标贯击数和地震持续时间)进行属性约简,去掉冗余或干扰信息,得到基于4个核心预测指标的数据集。通过主成分分析法(Principal Component Analysis,PCA)从核心评价指标中提取出主成分,采用支持向量机(Support Vector Machine,SVM)对数据集进行训练,用遗传算法(Genetic Algorithm,GA)优化参数,建立砂土液化的RS-PCA-GA-SVM预测模型。并结合砂土液化实际数据将预测结果与基于Levenberg-Marquardt算法改进的BP神经网络模型(LM-BP)的预测结果做比较。实例计算表明:基于RS-PCA-GA-SVM模型得到的砂土液化预测结果精度较LM-BP神经网络有很大的提高,判别结果与实际情况比较吻合,可在实际工程中应用。 相似文献