-
题名基于粗糙集优化支持向量机的泥石流危险度预测模型
被引量：10
- 1
-
-
作者
王晨晖
袁颖
周爱红
刘立申
王利兵
陈凯南
-
机构
河北省地震局红山基准地震台
河北地质大学勘查技术与工程学院
-
出处
《科学技术与工程》
北大核心
2019年第31期70-77,共8页
-
基金
国家自然科学基金(41301015)
河北省教育厅重点项目(ZD2015073,ZD2016038)
石家庄经济学院国家自然科学基金预研基金(syy201308)资助
-
文摘
为准确预测泥石流危险度,提出了基于粗糙集理论(rough set,RS)的粒子群算法(particle swarm optimization,PSD)优化支持向量机(support vector machine,SVM)模型。首先离散化泥石流样本数据形成初始决策表,利用粗糙集理论对10个泥石流危险度影响指标进行属性约简,将约简后的泥石流指标数据归一化处理作为支持向量机的学习样本,通过粒子群算法寻优获得最佳支持向量机模型参数,最终建立基于粗糙集的泥石流危险度预测的优化支持向量机模型。并将构建的RS-PSO-SVM模型用于对测试样本的预测。结果表明:在相同训练样本的条件下,RS-PSO-SVM模型、PSO-SVM模型及RS-PSO-BP模型三者的预测准确率分别为87.5%、87.5%、75%,说明RS-PSO-SVM模型和PSO-SVM模型具有比RS-PSO-BP模型更高的精度。此外,尽管RS-PSO-SVM模型和PSO-SVM模型具有相同的预测精度,但是由于进行了属性约简,RS-PSO-SVM模型可以有效提高运行效率,降低模型复杂度。
-
关键词
粗糙集
粒子群算法
支持向量机
泥石流危险度
-
Keywords
rough set
particle swarm optimization algorithm
support vector machine
debris flow danger degree
-
分类号
P642.23
[天文地球—工程地质学]
-
-
题名基于网格搜索法优化支持向量机的围岩稳定性分类模型
被引量：18
- 2
-
-
作者
袁颖
于少将
王晨晖
周爱红
-
机构
河北地质大学勘查技术与工程学院
河北省地震局
河北省地震局红山基准地震台
-
出处
《地质与勘探》
CAS
CSCD
北大核心
2019年第2期608-613,共6页
-
基金
国家自然科学基金项目(编号:41301015)
河北省教育厅重点项目(编号:ZD2015073和ZD2016038)
+1 种基金
石家庄经济学院国家自然科学基金预研基金(编号:syy201308)
河北地质大学第十三届学生科研基金项目(编号:KAG201607)联合资助
-
文摘
为科学评价围岩稳定性,本次研究借助支持向量机(SVM)处理小样本、非线性问题能力强的特性,对围岩的稳定性进行了分类。选取16组围岩数据作为学习样本,以岩石质量指标、岩石单轴饱和抗压强度、完整性系数、结构面强度系数和地下水渗水量5个指标作为模型输入,围岩稳定程度为模型输出,建立了基于支持向量机的围岩稳定性分类模型。为增强模型的推广性能,提高其预测准确率,运用改进的网格搜索方法(GSM)寻找最优的支持向量机参数,并对8组围岩数据进行预测,并同BP神经网络模型的预测结果进行对比。结果表明,建立的GSM-SVM模型对预测样本的评判结果与实际结果一致,其预测精度较BP神经网络有很大的提升。
-
关键词
围岩稳定性
支持向量机
网格搜索法
分类模型
BP神经网络
-
Keywords
surrounding rock stability
support vector machine
grid search method
classification model
BP neural network
-
分类号
X936
[环境科学与工程—安全科学]
-
