基于PSO-SVM模型的滑坡易发性评价
滑坡易发性评价是区域滑坡预警和评估工作的前期准备.滑坡致灾因子的有效选取以及评价模型的构建成为当前滑坡预测研究中的难点问题.以府谷县作为研究区,借助多种技术手段将数字高程模型(DEM)、地质图、路网图、遥感影像图等多源数据进行融合,提取了地形地貌、地层岩性以及地表覆盖等滑坡孕灾环境因子和降雨量、人类工程活动等诱发因素的特征属性作为评价指标.在此基础上,对提取的各因子的相关性进行分析,剔除了地形起伏度因子.采用粒子群优化(PSO)算法对支持向量机(SVM)模型的参数进行优化,得到最佳参数组合为惩罚因子c=1.42,核参数σ=1.15,将最优参数组合代入支持向量机模型中,构建出粒子群优化算法-支持向量机模型(PSO-SVM),并将其用于研究区滑坡易发性定量评价中.最后分别采用ROC曲线与Kappa系数对PSO-SVM模型性能的优越性进行检验,结果表明,PSO-SVM模型成功率与预测率分别为0.931和0.917,训练集与测试集的预测精度分别为79.17%、76.67%.研究结果可以为从事滑坡预测评价工作者提供决策参考.
滑坡、评价指标、PSO-SVM模型、易发性评价、ROC曲线、Kappa系数
38
P694(环境地质学)
国家自然科学基金项目;陕西省科技统筹创新工程计划项目
2021-05-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
56-62