基于支持向量机的洪水灾情综合评价模型

被引:10
作者
刘德地
陈晓宏
机构
[1] 中山大学水资源与环境研究中心
基金
广东省自然科学基金;
关键词
支持向量机; 洪水灾情; 评价模型;
D O I
暂无
中图分类号
X43 [自然灾害及其防治];
学科分类号
083002 ; 0837 ;
摘要
在阐述支持向量机的基本原理、二值分类和多值分类技术及各自特性的基础上,结合洪水灾情综合评价中受自然环境、社会经济等诸多因素的影响且实测样本资料较少的特点,以及目前已有评价模型不能或难以解决的小样本、"过学习"、局部最小等实际难题,提出了基于支持向量机的洪水灾情综合评价模型,并应用实例进行了验证。研究结果表明,此模型和传统的灾情评估法、人工神经网络评价模型一样有效合理,并且模型运算时间比人工神经网络模型要短。因此,不仅为洪水灾情综合评估提供了一种新的模型,而且由于支持向量机遵循统计学习理论中结构风险最小化的原理,具有解决有限样本、非线性及高维识别中的优势,必将比其他传统的评价模型得到更广泛的应用和发展。
引用
收藏
页码:490 / 494
页数:5
相关论文
共 15 条
[1]   长江中下游洪水灾害成因及洪水特征模拟分析 [J].
许有鹏 ;
于瑞宏 ;
马宗伟 ;
不详 .
长江流域资源与环境 , 2005, (05) :638-643
[2]   支持向量机在线训练算法及其应用 [J].
汪辉 ;
皮道映 ;
孙优贤 .
浙江大学学报(工学版), 2004, (12) :109-112+116
[3]   洪水灾情评价的遗传程序设计方法 [J].
周玉良 ;
金菊良 ;
魏一鸣 ;
汪明武 .
农业系统科学与综合研究, 2004, (04) :241-245
[4]   基于支持向量机的模式识别方法 [J].
肖健华 ;
吴今培 .
五邑大学学报(自然科学版), 2002, (01) :6-10
[5]   洪灾风险评价通用模型系统的研究 [J].
傅湘 ;
王丽萍 ;
纪昌明 .
长江流域资源与环境, 2000, (04) :518-524
[6]   一种具有容噪性能的SVM多值分类器 [J].
萧嵘 ;
孙晨 ;
王继成 ;
张福炎 .
计算机研究与发展, 2000, (09) :1071-1075
[7]   基于遗传算法的洪水灾情评估神经网络模型探讨 [J].
金菊良 ;
魏一鸣 ;
杨晓华 .
灾害学, 1998, (02) :6-11
[8]   自然灾害的物元分析灾情评估模型初探 [J].
李祚泳 ;
邓新民 .
自然灾害学报, 1994, (02) :28-33
[9]   灾度等级判别方法的局限性及其改进 [J].
于庆东 .
自然灾害学报, 1993, (02) :8-11
[10]  
数据挖掘中的新方法[M]. 科学出版社 , 邓乃扬, 2004