基于粒子群优化支持向量机的延长县滑坡易发性评价

• 作者: 张菊清 谭锦蓉 郭天颂 钟炎伶 韦建成 韩煜
• 来源期刊: 地质科技情报
• 学科: 地球科学
• 关键词: 滑坡 斜坡单元 粒子群算法 支持向量机 易发性评价
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 工程地质
• 页码范围: 236-243
• 页数: 8页
• 分类号: P642.2
• 字数: 5935字
• 语种: 中文
• DOI: 10.19509/j.cnki.dzkq.2019.0325

摘要

参数优化问题直接影响着支持向量机的预测精度和泛化能力,粒子群优化算法具有全局最优搜索能力,因此通过粒子群算法优化支持向量机参数可以有效提高预测精度.以延长县历史滑坡数据为基础,分析了岩性、地貌类型、土壤厚度、坡度、坡向、坡高与滑坡分布的关系,并利用滑坡密度值对各定性或定量因子进行了归一化处理;在此基础上,通过区域内所划分的16 300个斜坡单元作为评价单元,采用粒子群优化支持向量机(PSO-SVM)算法完成了延长县滑坡的易发性评价.从滑坡密度指标角度来看,评价结果中高易发区和极高易发区的历史滑坡数占比72.19％,通过滑坡面积百分比(LAR)等指标进行了有效的验证,均显示出对滑坡易发性评价效果良好.