基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
地震滑坡敏感性分析是地震次生灾害研究的重点内容之一.数据量大且致灾因素复杂是研究地震滑坡问题的难点.在对已有敏感性分析模型研究的基础上,以芦山地震为例,选取地面高程、坡度、坡向、地层、斜坡形态、斜坡结构、距断层平均距离、距水系平均距离、地震峰值加速度9个地震滑坡评价因子,建立基于遗传算法的相关向量机(GA-RVM)敏感性分析模型,生成地震滑坡敏感性区划图,统计结果显示滑坡正确率为99.74%,滑坡密度在极高敏感区达到27.4057个/km2.结果表明,相对于基于遗传算法的支持向量机,GA-RVM获得了更高的预测精度,可为进一步完成地震灾害预防提供依据.
推荐文章
应用支持向量机方法预测储层敏感性
测井解释
储层敏感性
储层预测
粘土矿物
支持向量机
BP神经网络
贝叶斯信息标准在滑坡因子敏感性分析中的应用
贝叶斯信息标准
BIC
滑坡
因子
敏感性
基于LR-IV模型的滑坡敏感性评价
滑坡敏感性评价
GIS
逻辑回归模型
滑坡敏感性区划图
信息量模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 相关向量机在地震滑坡敏感性分析中的应用
来源期刊 科技导报 学科
关键词 相关向量机 遗传算法 地震滑坡 敏感性分析
年,卷(期) 2017,(15) 所属期刊栏目 研究论文
研究方向 页码范围 70-76
页数 7页 分类号
字数 语种 中文
DOI 10.3981/j.issn.1000-7857.2017.15.010
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (129)
共引文献  (182)
参考文献  (20)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(5)
  • 参考文献(0)
  • 二级参考文献(5)
2000(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(7)
  • 参考文献(2)
  • 二级参考文献(5)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(10)
  • 参考文献(0)
  • 二级参考文献(10)
2005(11)
  • 参考文献(0)
  • 二级参考文献(11)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(11)
  • 参考文献(0)
  • 二级参考文献(11)
2008(8)
  • 参考文献(0)
  • 二级参考文献(8)
2009(17)
  • 参考文献(1)
  • 二级参考文献(16)
2010(18)
  • 参考文献(2)
  • 二级参考文献(16)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(8)
  • 参考文献(6)
  • 二级参考文献(2)
2013(17)
  • 参考文献(3)
  • 二级参考文献(14)
2014(6)
  • 参考文献(5)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
相关向量机
遗传算法
地震滑坡
敏感性分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技导报
半月刊
1000-7857
11-1421/N
大16开
北京市海淀区学院南路86号
2-872
1980
chi
出版文献量(篇)
11426
总下载数(次)
48
论文1v1指导