基于核主成分分析和粒子群优化支持向量机的滑坡位移预测

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于核主成分分析和粒子群优化支持向量机的滑坡位移预测

彭令, 牛瑞卿, 赵艳南, 邓清禄

文章导航 > 武汉大学学报 ● 信息科学版 > 2013 > 38(2): 148-152,161

彭令, 牛瑞卿, 赵艳南, 邓清禄. 基于核主成分分析和粒子群优化支持向量机的滑坡位移预测[J]. 武汉大学学报 ● 信息科学版, 2013, 38(2): 148-152,161.

引用本文:

彭令, 牛瑞卿, 赵艳南, 邓清禄. 基于核主成分分析和粒子群优化支持向量机的滑坡位移预测[J]. 武汉大学学报 ● 信息科学版, 2013, 38(2): 148-152,161.

PENG Ling, NIU Ruiqing, ZHAO Yannan, DENG Qinglu. Prediction of Landslide Displacement Based on KPCA and PSO-SVR[J]. Geomatics and Information Science of Wuhan University, 2013, 38(2): 148-152,161.

Citation:

PENG Ling, NIU Ruiqing, ZHAO Yannan, DENG Qinglu. Prediction of Landslide Displacement Based on KPCA and PSO-SVR[J]. Geomatics and Information Science of Wuhan University, 2013, 38(2): 148-152,161.

基于核主成分分析和粒子群优化支持向量机的滑坡位移预测

1 中国地质大学(武汉)地球物理与空间信息学院, 武汉市鲁磨路388号, 430074;
2 中国地质大学(武汉)工程学院, 武汉市鲁磨路388号, 430074

基金项目: 国家973计划资助项目(2011CB710601);国家863计划资助项目(2012AA121303);国家自然科学基金资助项目(40902099);国土资源部三峡库区三期地质灾害防治重大科学研究资助项目(SXKY3-6-2)

作者简介:
彭令,博士生,研究方向为地质灾害预测预报。E-mail:wuhanpengling@163.com

中图分类号: P258;P642.22

Prediction of Landslide Displacement Based on KPCA and PSO-SVR

1 Institute of Geophysics and Geomatics, China University of Geosciences, 388 Lumo Road, Wuhan 430074, China;
2 Engineering Faculty, China University of Geosciences, 388 Lumo Road, Wuhan 430074, China

摘要: 利用核主成分分析法对滑坡位移影响因子进行特征提取,以获得的主成分作为支持向量机的特征向量建立支持向量机模型,其中模型参数通过粒子群算法进行选择优化,构建出核主成分分析和粒子群优化支持向量机协同模型,对滑坡相对位移进行预测。预测结果的平均绝对误差和相对误差分别为0.760和7.563%,与其他预测模型相比,其拟合和泛化能力最优,表明核主成分分析和粒子群优化支持向量机协同模型的预测结果与实际监测值具有很好的一致性。
- 滑坡 /
- 位移预测 /
- 核主成分分析 /
- 粒子群优化 /
- 支持向量机
Abstract: Taking Baijiabao landslide in the Three Gorges reservoir area for example,the kernel principal component analysis(KPCA) was employed to extract main features from influential factors data in order to obtain the principal component,which was used as the feature of support vector machine(SVM),and then building the displacement prediction model,the SVM model parameter of which was optimized by the particle swarm optimization(PSO) algorithm.Finally,the cooperative optimization model based on KPCA and PSO-SVR was proposed.And it was applied to predict displacement of landslide based on influential factors.The average absolute error and relative error of the prediction results were 0.760 and 7.563% respectively.By comparison with other forecast models,it was found that the fitting and generalization of this model are the best.The results indicate that the predicted value of the model is consistent with the monitoring data.It plays a key role in landslide hazard prediction and warning.
- landslide /
- displacement prediction /
- kernel principal component analysis /
- particle swarm optimization /
- support vector machine

[1]	王晨辉, 郭伟, 孟庆佳, 刘炎炎, 毕逢东. 基于虚拟参考站的GNSS滑坡变形监测方法及性能分析 . 武汉大学学报 ● 信息科学版, 2022, 47(6): 990-996. doi: 10.13203/j.whugis20220102
[2]	何朝阳, 许强, 巨能攀, 解明礼. 滑坡实时监测预警模型调度算法优化研究 . 武汉大学学报 ● 信息科学版, 2021, 46(7): 970-982. doi: 10.13203/j.whugis20200314
[3]	张福浩, 朱月月, 赵习枝, 张杨, 石丽红, 刘晓东. 地理因子支持下的滑坡隐患点空间分布特征及识别研究 . 武汉大学学报 ● 信息科学版, 2020, 45(8): 1233-1244. doi: 10.13203/j.whugis20200126
[4]	高飞, 王美珍, 刘学军, 王自然. 一种监控摄像机网络-路网覆盖优化调度方法 . 武汉大学学报 ● 信息科学版, 2020, 45(3): 362-373. doi: 10.13203/j.whugis20180247
[5]	秦宏楠, 马海涛, 于正兴. 地基SAR技术支持下的滑坡预警预报分析方法 . 武汉大学学报 ● 信息科学版, 2020, 45(11): 1697-1706. doi: 10.13203/j.whugis20200268
[6]	徐胜华, 刘纪平, 王想红, 张玉, 林荣福, 张蒙, 刘猛猛, 姜涛. 熵指数融入支持向量机的滑坡灾害易发性评价方法—以陕西省为例 . 武汉大学学报 ● 信息科学版, 2020, 45(8): 1214-1222. doi: 10.13203/j.whugis20200109
[7]	冯非凡, 武雪玲, 牛瑞卿, 许石罗. 一种V/S和LSTM结合的滑坡变形分析方法 . 武汉大学学报 ● 信息科学版, 2019, 44(5): 784-790. doi: 10.13203/j.whugis20170218
[8]	丁超, 冯光财, 周玉杉, 王会强, 杜亚男, 陈晨月. 尼泊尔地震触发滑坡识别和雪崩形变分析 . 武汉大学学报 ● 信息科学版, 2018, 43(6): 847-853, 950. doi: 10.13203/j.whugis20160031
[9]	刘坚, 李树林, 陈涛. 基于优化随机森林模型的滑坡易发性评价 . 武汉大学学报 ● 信息科学版, 2018, 43(7): 1085-1091. doi: 10.13203/j.whugis20160515
[10]	段功豪, 牛瑞卿, 彭令, 付杰. 诱发因素影响下的滑坡参数优化预测模型研究 . 武汉大学学报 ● 信息科学版, 2017, 42(4): 531-536. doi: 10.13203/j.whugis20140913
[11]	段功豪, 牛瑞卿, 赵艳南, 张凯翔, 咬登魁. 基于动态指数平滑模型的降雨诱发型滑坡预测 . 武汉大学学报 ● 信息科学版, 2016, 41(7): 958-962. doi: 10.13203/j.whugis20140276
[12]	武雪玲, 沈少青, 牛瑞卿. GIS支持下应用PSO-SVM模型预测滑坡易发性 . 武汉大学学报 ● 信息科学版, 2016, 41(5): 665-671. doi: 10.13203/j.whugis20130566
[13]	喻敏, 王斌, 王文波, 郑雷. 联合EMD与核主成分分析的激光陀螺信号消噪 . 武汉大学学报 ● 信息科学版, 2015, 40(2): 233-237+242.
[14]	武雪玲, 任福, 牛瑞卿, 彭令. 斜坡单元支持下的滑坡易发性评价支持向量机模型 . 武汉大学学报 ● 信息科学版, 2013, 38(12): 1499-1503.
[15]	武雪玲, 任福, 牛瑞卿. 多源数据支持下的三峡库区滑坡灾害空间智能预测 . 武汉大学学报 ● 信息科学版, 2013, 38(8): 963-968.
[16]	王利, 张勤, 管建安, 孔令杰. 基于GPS技术的滑坡动态变形监测试验结果与分析 . 武汉大学学报 ● 信息科学版, 2011, 36(4): 422-426.
[17]	张正禄, 汪宏晨, 邓勇, 谢年生. 滑坡变形分析与预报的新方法 . 武汉大学学报 ● 信息科学版, 2009, 34(12): 1387-1389.
[18]	范千, 花向红. 基于相空间重构与支持向量机预测滑坡位移的一种新方法 . 武汉大学学报 ● 信息科学版, 2009, 34(2): 248-251.
[19]	王新洲, 范千, 许承权, 李昭. 基于小波变换和支持向量机的大坝变形预测 . 武汉大学学报 ● 信息科学版, 2008, 33(5): 469-471.
[20]	陈刚, 鄂栋臣. 基于纹理分析和支持向量机的极地冰雪覆盖区的云层检测 . 武汉大学学报 ● 信息科学版, 2006, 31(5): 403-406.

WeChat

点击查看大图

计量

文章访问数: 480
HTML全文浏览量: 25
PDF下载量: 77
被引次数: 0

基于核主成分分析和粒子群优化支持向量机的滑坡位移预测

1 中国地质大学(武汉)地球物理与空间信息学院, 武汉市鲁磨路388号, 430074;

2 中国地质大学(武汉)工程学院, 武汉市鲁磨路388号, 430074

基金项目: 国家973计划资助项目(2011CB710601);国家863计划资助项目(2012AA121303);国家自然科学基金资助项目(40902099);国土资源部三峡库区三期地质灾害防治重大科学研究资助项目(SXKY3-6-2)

作者简介:
彭令,博士生,研究方向为地质灾害预测预报。E-mail:wuhanpengling@163.com

收稿日期: 2012-12-18
刊出日期: 2013-02-05

中图分类号: P258;P642.22

关键词:

核主成分分析 /

粒子群优化 /

支持向量机

摘要: 利用核主成分分析法对滑坡位移影响因子进行特征提取,以获得的主成分作为支持向量机的特征向量建立支持向量机模型,其中模型参数通过粒子群算法进行选择优化,构建出核主成分分析和粒子群优化支持向量机协同模型,对滑坡相对位移进行预测。预测结果的平均绝对误差和相对误差分别为0.760和7.563%,与其他预测模型相比,其拟合和泛化能力最优,表明核主成分分析和粒子群优化支持向量机协同模型的预测结果与实际监测值具有很好的一致性。

English Abstract

彭令, 牛瑞卿, 赵艳南, 邓清禄. 基于核主成分分析和粒子群优化支持向量机的滑坡位移预测[J]. 武汉大学学报 ● 信息科学版, 2013, 38(2): 148-152,161.

引用本文:

彭令, 牛瑞卿, 赵艳南, 邓清禄. 基于核主成分分析和粒子群优化支持向量机的滑坡位移预测[J]. 武汉大学学报 ● 信息科学版, 2013, 38(2): 148-152,161.

PENG Ling, NIU Ruiqing, ZHAO Yannan, DENG Qinglu. Prediction of Landslide Displacement Based on KPCA and PSO-SVR[J]. Geomatics and Information Science of Wuhan University, 2013, 38(2): 148-152,161.

Citation:

PENG Ling, NIU Ruiqing, ZHAO Yannan, DENG Qinglu. Prediction of Landslide Displacement Based on KPCA and PSO-SVR[J]. Geomatics and Information Science of Wuhan University, 2013, 38(2): 148-152,161.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

我要投稿

投稿攻略

联系我们

二维码