基于改进KPCA与混合核函数LSSVR的泥石流预测

论文摘要

针对引发泥石流灾害的多重影响因素而导致的预测维数灾难,以及最小二乘支持向量回归(least squares support vector regression, LSSVR)模型中选取单核函数而导致的模型训练性能部分缺陷的问题,提出了一种基于改进的核主成分分析(kernel principal component analysis, KPCA)与混合核函数LSSVR的泥石流灾害预测方法.首先,将影响泥石流发生的7种初始因子赋予权重,利用加权KPCA法筛选出3个主成分影响因子作为模型输入;然后,将局部核函数与全局核函数相结合,运用到LSSVR模型上,进行泥石流发生概率预测,以平衡样本学习能力与泛化能力,并使用果蝇优化算法(fruit fly optimization algorithm, FOA)更新模型的最优参数;最后,以磨子沟监测数据进行仿真验证.结果表明,该方法能够有效地降低维数灾难并提升预测模型精确度,在误差允许范围内预测出泥石流发生概率值及对应的预警等级,为相关决策部门提供一定的借鉴经验.

论文目录

• 0 引言
• 1 改进的KPCA
• 2 混合核函数LSSVR模型
• 3 基于果蝇算法的参数优化
• 4 仿真验证与结果分析
•   4.1 泥石流研究区概况
•   4.2 泥石流预测流程
•   4.3 改进的KPCA数据降维
•   4.4 FOA优化混合核函数LSSVR模型预测
• 5 结论

文章来源

类型: 期刊论文

作者: 李丽敏,程少康,温宗周,萧明伟,徐根祺,张顺锋

关键词: 泥石流,最小二乘支持向量回归,混合核函数,加权核主成分分析,概率预测

来源: 信息与控制 2019年05期

年度: 2019

分类: 信息科技,基础科学,工程科技Ⅱ辑

专业: 数学,地质学,工业通用技术及设备

单位: 西安工程大学电子信息学院,昆明理工大学国土工程资源学院

基金: 陕西省自然科学基础研究计划资助项目(2019JQ-206),陕西省教育厅科学研究资助项目(17JK0346),陕西省工业科技攻关资助项目(2015GY065)

分类号: P642.23;O212.4

DOI: 10.13976/j.cnki.xk.2019.9052

页码: 536-544

总页数: 9

文件大小: 3144K

下载量: 360