留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于粒子群优化支持向量机的延长县滑坡易发性评价

郭天颂 张菊清 韩 煜 钟炎伶 谭锦蓉 韦建成

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]. 地质科技通报, 2019, 38(3): 236-243.
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]. 地质科技通报, 2019, 38(3): 236-243.
Guo Tiansong, Zhang Juqing, Zhong Yanling, Tan Jinrong, Wei Jiancheng. Evaluation of Landslide Susceptibility in Yanchang County Based on Particle Swarm Optimization-Based Support Vector Machine[J]. Bulletin of Geological Science and Technology, 2019, 38(3): 236-243.
Citation: Guo Tiansong, Zhang Juqing, Zhong Yanling, Tan Jinrong, Wei Jiancheng. Evaluation of Landslide Susceptibility in Yanchang County Based on Particle Swarm Optimization-Based Support Vector Machine[J]. Bulletin of Geological Science and Technology, 2019, 38(3): 236-243.

基于粒子群优化支持向量机的延长县滑坡易发性评价

Evaluation of Landslide Susceptibility in Yanchang County Based on Particle Swarm Optimization-Based Support Vector Machine

  • 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16300个斜坡单元作为评价单元,采用粒子群优化支持向量机(PSOGSVM)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.

     

  • 加载中
计量
  • 文章访问数:  1374
  • PDF下载量:  640
  • 被引次数: 0
出版历程
  • 刊出日期:  2019-05-31

目录

    /

    返回文章
    返回