共 11 条
- [1] The rainfall intensity–duration control of shallow landslides and debris flows: an update.[J].Fausto Guzzetti;Silvia Peruccacci;Mauro Rossi;Colin P. Stark.Landslides.2008, 1
- [2] 统计学习理论的本质.[M].(美)VladimirN.Vapnik著;张学工译;.清华大学出版社.2000,
基于核主成分分析和粒子群优化支持向量机的滑坡位移预测
被引：57
作者：
彭令
[1
]
牛瑞卿
[1
]
赵艳南
[1
]
邓清禄
[2
]
机构：
[1] 中国地质大学(武汉)地球物理与空间信息学院
[2] 中国地质大学(武汉)工程学院
关键词：
滑坡;
位移预测;
核主成分分析;
粒子群优化;
支持向量机;
D O I：
10.13203/j.whugis2013.02.027
中图分类号：
P642.22 [滑坡];
学科分类号：
0837 ;
摘要：
利用核主成分分析法对滑坡位移影响因子进行特征提取,以获得的主成分作为支持向量机的特征向量建立支持向量机模型,其中模型参数通过粒子群算法进行选择优化,构建出核主成分分析和粒子群优化支持向量机协同模型,对滑坡相对位移进行预测。预测结果的平均绝对误差和相对误差分别为0.760和7.563%,与其他预测模型相比,其拟合和泛化能力最优,表明核主成分分析和粒子群优化支持向量机协同模型的预测结果与实际监测值具有很好的一致性。
引用
收藏
页码：148 / 152+161
+161
页数：6
相关论文