基于KPCA-SSA-GRNN的滑坡预报模型

摘要：

滑坡灾害的发生受多种因素的影响,传统预报方法通常基于单一影响因素进行建模,预报精确度不高.为了提高滑坡发生概率预报精度,提出一种核主成分分析-麻雀搜索算法-广义回归神经网络(KPCA-SSA-GRNN)混合预测模型.首先,利用KPCA,筛选影响滑坡的主要致灾因子,并将其作为GRNN模型的输入;其次,为提高GRNN模型的预测效果,采用SSA算法对GRNN模型的光滑因子σ进行寻优;最后,对优化后的GRNN模型进行测试,输出滑坡灾害概率,并确定滑坡危险等级.以陕西省山阳县为研究区域,利用KPCA-SSA-GRNN模型进行预测,并将该模型预测结果与改进前的GRNN模型和传统的BP神经网络模型、RBF神经网络模型进行对比,结果表明,该模型在预报精度方面优于其他模型,对于滑坡预报提供了一定的理论参考.

关键词：核主成分分析法、广义回归神经网络、麻雀搜索算法、滑坡危险等级

所属期刊栏目：41

分类号：P642.22(水文地质学与工程地质学)

资助基金：陕西省技术创新引导专项;陕西省技术创新引导专项;陕西省自然科学基础研究计划项目

在线出版日期：2022-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：109-115