|
|||||
|
|
| 基于粒子群优化支持向量机的延长县滑坡易发性评价 | |
| 引用本文： | 郭天颂,张菊清,韩煜,钟炎伶,谭锦蓉,韦建成.基于粒子群优化支持向量机的延长县滑坡易发性评价[J].地质科技情报,2019(3). |
| 作者姓名： | 郭天颂 张菊清 韩煜 钟炎伶 谭锦蓉 韦建成 |
| 作者单位： | 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 |
| 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。 |
| 本文献已被 CNKI 等数据库收录！ | |