共 22 条
多变量PSO-SVM模型预测滑坡地下水位
被引：24
作者：
黄发明
[1
]
殷坤龙
[2
]
张桂荣
[3
]
唐志政
[2
]
张俊
[2
]
机构：
[1] 中国地质大学(武汉)地质调查研究院
[2] 中国地质大学(武汉)工程学院
[3] 南京水利科学研究院
来源：
关键词：
库岸滑坡;
地下水位预测;
多变量相空间重构;
灰色关联分析;
粒子群-支持向量机(PSO-SVM);
D O I：
暂无
中图分类号：
P642.22 [滑坡];
P641.2 [地下水动力学];
学科分类号：
0837 ;
摘要：
为了预测滑坡地下水位并揭示其与气温、降雨以及库水位等变量间的动态响应关系,提出基于多变量混沌理论的粒子群-支持向量机(PSO-SVM)模型.该模型采用定性分析和灰关联定量分析法确定各因素对地下水位的作用关系并重构多变量相空间.利用SVM模型对每月监测地下水位值进行预测,并采用PSO算法克服SVM模型参数选取困难的缺点,最后对预测结果进行对比分析.以三峡库区白家包滑坡为例进行分析,并将分析结果与单变量PSO-SVM模型相比较,结果表明:多变量PSO-SVM模型的预测结果比较理想,精度高于单变量PSO-SVM模型,可以真实地反映地下水位系统发展演化的本质特征.
引用
收藏
页码：1193 / 1200
页数：8
相关论文