基于粒子群规则挖掘算法的洪灾风险评价模型

被引：21

作者：

王兆礼 ^{[1
]}

陈晓宏 ^{[2
]}

赖成光 ^{[1
]}

赵仕威 ^{[1
]}

机构：

[1] 华南理工大学土木与交通学院

[2] 中山大学水资源与环境研究中心

来源：

系统工程理论与实践 | 2013年 / 33卷 / 06期

关键词：

洪灾; 风险评价; 粒子群优化算法; 规则挖掘; 地理信息系统;

D O I：

暂无

中图分类号：

P333.2 [暴雨洪涝的分析与计算];

学科分类号：

070209 [计算物理];

摘要：

运用粒子群优化算法(particle swarm optimization,PSO)进行规则挖掘是一个新的研究热点.提出了一种基于粒子群规则挖掘算法(PSO-Miner)的洪灾风险评价模型.基于GIS技术利用该模型对北江流域洪灾风险等级进行了评判,结果表明:PSO-Miner算法是一种无参数评判的智能方法,具有较强的全局收敛能力和鲁棒性;所挖掘的If-Then评判规则能更简单和准确地描述各评价指标与风险等级之间的复杂关系;总体精度比BP神经网络模型的更高,而且能客观地反映北江流域洪灾风险实际情况;与GIS技术结合,便于分析洪灾风险的空间格局及内在规律,具有较好的适用性.

引用

页码：1615 / 1621

页数：7

共 11 条

[1]

基于BP网络的洪灾风险评价算法 [J].