优化SVM模型在泥石流易发性中的应用

摘要：

泥石流灾害是我国最常发生且危害最大的地质灾害之一,因此实现有效、准确的泥石流灾害预测对于人类的生活和生产具有重大意义.研究以四川省石棉县为研究区域,选取 12 个泥石流影响因子.同时针对传统支持向量机模型精度不高的问题,采用遗传算法、粒子群算法、秃鹰搜索算法以及新型的群智能优化算法—麻雀搜索算法等 4 种算法来优化支持向量机的超参数 C和gamma.通过优化后的支持向量机模型建立泥石流易发性评价模型,同时对比随机森林模型与人工神经网络模型,最后采用受试者工作特征曲线来评价预测模型.研究结果表明,4种优化算法均能有效提高预测准确度,但麻雀搜索算法优化的支持向量机模型具有更高的准确度和受试者工作特征曲线下面积,分别为 0.9573和 0.98,并在泥石流易发性分区图中得到验证.因此,麻雀搜索算法优化的支持向量机模型在泥石流易发性评价研究中更为适用.

关键词：泥石流易发性、支持向量机、遗传算法、粒子群算法、秃鹰搜索算法、麻雀搜索算法

所属期刊栏目：42

分类号：TP181;P642.23(自动化基础理论)

资助基金：三峡库区地质环境监测与灾害预警重庆市重点实验室开放基金项目ZD2020A0302

在线出版日期：2023-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：163-170