共查询到10条相似文献，搜索用时 15 毫秒
1.
洪水灾情投影寻踪评估模型 总被引：19，自引：3，他引：19
洪水灾情评估是多因素评价问题,它是包括自然、环境、社会经济等多种因素综合作用的结果,必须对各因素进行综合评估,而不能仅依据某单项指标得出评价结论。目前国内外还没有统一的洪水灾情评估指标体系和各指标定量化等级标准。根据投影寻踪技术提出了洪水灾情投影寻踪评估模型,将评价样本的各因素进行线性投影,以最优投影方向所对应的投影特征量作为评价依据,该模型计算过程简单、结果直观,更重要的是评估结果无人为任意性。将这一模型用于1998年洪水的分类和我国部分省市的洪水灾情评估中。实例分析表明,该模型能够很好地对各种洪水灾情进行有效的评估,是一种处理多因素复杂评价问题的新途径。 相似文献
2.
《物探化探计算技术》2019,(6)
为构建适用于海洋水质的评价模型,这里以大数据下的机器学习理论为基础,利用一个包含40万个站位组成,每个站位包含13个水质指标信息的理论假设大样本,选择三种适用于多特征多分类问题的机器学习算法:决策树、贝叶斯和支持向量机来构建适用于水质评价的模型,得出基于支持向量机算法的评价模型效果最好,可作为解决利用多水质指标信息综合评价海洋水质这一问题的有效方法。 相似文献
3.
基于支持向量机分类算法的湖泊水质评价研究 总被引：11，自引：1，他引：10
支持向量机（SVM）是由Vapnik等人提出的建立在统计学习理论基础上的一种小样本机器学习方法,最初用于解决二分类问题。由于使用结构风险最小化原则代替经验风险最小化原则,使它较好地解决了小样本情况下的学习问题。又由于采用了核函数思想,使它将非线性问题转化为线性问题来解决,降低了算法的复杂度。利用支持向量机多类分类算法,构建湖泊水环境评价模型。实验结果表明,该方法能够正确地对湖泊水环境质量进行分类评价。 相似文献
4.
基于网格搜索法优化支持向量机的围岩稳定性分类模型 总被引：1，自引：0，他引：1
为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。 相似文献
5.
支持向量机方法在膨胀土分类中的应用 总被引：15，自引：0，他引：15
将支持向量机方法应用于膨胀土分类问题中,建立了膨胀土分类的支持向量机模型。以膨胀土实测数据为学习样本,经过训练,得到膨胀土的分类区间。应用该模型对剩余的膨胀土数据进行预测,预测结果表明支持向量机分类模型性能良好、预测精度高、简便易行,是膨胀土判别的一种有效方法,具有广阔的应用前景。 相似文献
6.
岩爆分类的支持向量机方法 总被引：14，自引：0，他引：14
针对岩爆分类问题,提出了基于支持向量机的分类方法。通过对影响岩爆因素的分析,运用支持向量机理论建立岩爆类别的支持向量机模型。结果表明,基于支持向量机的岩爆分类方法具有较高的准确率,该方法是科学可行的,具有广泛的应用前景。 相似文献
7.
基于PCP-C耦合模型的流域洪水分类研究 总被引：1，自引：1，他引：0
洪水过程受多要素综合影响,因此多指标的综合分类方法成为目前洪水分类研究的主要趋势.针对目前多指标洪水综合分类方法中存在的诸多不足,可采用主成分投影-聚类(PCP-C)耦合模型进行洪水分类.该方法首先对原始指标数据进行无量纲化(均值化)处理,再对处理后的数据矩阵进行正交变换,由此将原指标转换成彼此正交的综合指标,并利用各主成分设计一个理想决策向量,以各被评价对象相应的决策向量在理想决策方向上的投影值作为一维的综合分类指标.最后通过对各分类样本的一维投影值的聚类分析,得到分类结果.实例分析表明,建议方法简单,模型构建容易,计算简便,分类直观简洁,可行性强. 相似文献
8.
支持向量机在砂土液化预测中的应用研究 总被引：4，自引：0，他引：4
介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法——支持向量机算法。根据支持向量机线性分类和可以具有不同核函数的非线性分类两种算法，建立了砂土液化预测模型，并且运用Matlab语言编写了程序。通过试算和分析比较得到了最佳模型，最佳模型的预测结果与实际液化情况基本上一致。认为支持向量机算法无论在学习或者预测精度方面都有很大的优越性，而基于支持向量机理论建立的砂土液化预测模型是可行的，且可以较为准确地实现砂土液化的预测。 相似文献
9.
由于支持向量机属于黑箱模型,因此在进行模型学习时无法直接对特征进行选择,而决策树模型在递归创建的过程中自身具有一定的特征选择能力。针对岩性分类问题,本文将决策树和支持向量机结合,通过决策树的建立,在考虑特征重要性的前提下,利用树节点的高度对特征进行提取,并将具有更高分类能力的特征送入支持向量机进行岩性分类。结果表明:通过决策树的特征提取,减少了支持向量机模型的输入特征,从而有效控制了模型的复杂度,使得模型更加稳定并具有更高的分类精度,测试集精度能够提升10%以上。 相似文献
10.
支持向量机在泥石流危险度评价中的应用研究 总被引：4，自引：0，他引：4
为改善传统泥石流危险度评价方法存在的缺陷,提出了基于支持向量机的泥石流危险度评价方法,并建立了支持向量机评价模型。研究选取泥石流一次(可能)最大冲出量(L1)、泥石流发生频率(L2)、流域面积(S1)、主沟长度(S2)、流域最大相对高差(S3)、流域切割密度(S6)和泥沙补给段长度比(S9)7个因子作为泥石流沟谷危险度评价因子,运用支持向量机理论,选用径向基(RBF)核函数,采取"试错法"进行参数优选;确定参数C=8,γ=2。以云南省37条泥石流沟的259个基础数据为样本进行学习训练和测试,建立了泥石流危险度评价的支持向量机模型。并将该模型应用于黄河积石峡水电站库区的泥石流危险性评价中进行验证。将模型评判结果和模糊数学方法的评价结果进行对比分析,结果的一致性达到73.33%。研究认为支持向量机方法能够成功地应用到泥石流危险度评价中,且具有较高的精度及很强的泛化能力,应用前景广阔。 相似文献