基于PCA-PSO-SVM的地震死亡人数预测模型研究

• 作者: 刘立申 吴鹤帅 王利兵 王晨晖 陈凯男
• 来源期刊: 地震地磁观测与研究
• 关键词: 地震死亡人数 主成分分析法 粒子群算法 支持向量机
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 地震研究
• 页码范围: 41-47
• 页数: 7页
• 字数: 3327字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3246.2019.05.006

摘要

为准确预测地震死亡人数,提出了基于主成分分析法(PCA)和粒子群算法(PSO)优化的支持向量机(SVM)模型.首先利用主成分分析法对地震死亡人数7个影响因子中的6个进行数据降维,同时对第7个发震时刻因子单独进行区间分类,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为支持向量机的输入向量,通过粒子群算法寻优获得最优支持向量机模型参数,最终建立基于PCA-PSO-SVM的地震死亡人数预测模型,并对5组样本进行死亡人数预测,同时对比分析包含和不包含发震时刻因子的2种情况下的模型预测效果.结果表明:在不考虑发震时刻因子的情况下,使用PCA-PSO-SVM模型的最小误差、最大误差和平均误差分别为0.85％、20％、10％,其平均误差相比PSO-SVM、SVM模型分别降低2.08％、2.28％;输入向量加入发震时刻因子分类数据后,PCA-PSO-SVM模型的最小误差、最大误差和平均误差分别为0.25％、20％、7.18％,其平均误差相比PSO-SVM、SVM模型分别降低3.34％、3.50％.因此,加入发震时刻因子后3种模型的平均误差明显降低,同时由于PCA-PSO-SVM模型进行主成分降维处理,能够明显提高运行效率和预测精度,故降低了模型复杂度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王利兵		9	18	3.0	4.0
2	陈凯男		3	5	1.0	2.0
3	吴鹤帅		2	1	1.0	1.0
4	刘立申		3	4	1.0	2.0
5	王晨晖		1	1	1.0	1.0