GIS支持下应用PSO-SVM模型预测滑坡易发性
滑坡灾害易发性预测是滑坡监测、预警与评估的关键技术.如何有效地选取评价因子和构建预测模型是滑坡灾害定量预测研究中的难题.本文以三峡库区长江干流岸坡作为研究区,通过地形、地质和遥感等多源数据融合,提取滑坡孕灾环境和诱发因素的信息作为评价因子.在此基础上,针对滑坡灾害的非线性和不确定性特征,采用粒子群算法对支持向量机模型参数进行全局寻优,构建粒子群算法(particle swarm optimization,PSO)-支持向量机(support vector machine,SVM)模型,定量预测滑坡易发性.最后通过分类精度比较分析基于格网单元和对象单元的滑坡易发性预测精度,结果表明,基于对象单元的PSO-SVM预测精度较高,其曲线下面积为0.841 5,Kappa系数为0.849 0,预测结果与野外实际调查情况较为一致,可为三峡库区滑坡防灾减灾工作提供参考.
滑坡、模型单元、PSO-SVM、预测
41
P208;P237.9(一般性问题)
国家自然科学基金41501470;国土资源部城市土地资源监测与仿真重点实验室开放基金KF-2015-01-006;资源与环境信息系统国家重点实验室开放基金;The National Natural Science Foundation of China,No.41501470;Open Fund of Key Laboratory of Urban Land Resources Monitoring and Simulation,the Ministry of Land and Resources,No.KF-2015-01-006;State Key Laboratory of Resources and Environmental Information System.
2016-07-06（万方平台首次上网日期，不代表论文的发表时间）
665-671
