基于支持向量机模型和证据理论滑坡易发性评价
发布时间：2021-01-14 07:42
随着社会经济的高速增长,三峡库区巴东至秭归段受复杂的地理环境,多变地质构造及地层岩性等诸多因素的影响,滑坡等灾害频发。因此,开展滑坡的研究具有重要价值。采用支持向量机模型和证据理论,在巴东至秭归区进行详细的应用,验证了该方法的科学性。论文主要工作和成果如下:（1）对滑坡易发性评价所涉及的样本数据的属性、特征、岩性分组、多值提取等问题进行了深入研究。提取了长江三峡巴东至秭归段的10个评价因子（3个岩性因子和7个环境影响因子）。（2）对模型进行不确定性分析,从训练样本数据中随机抽取了10组不同的数据集利用PSO-SVM耦合模型分别对这10组数据集进行了训练和评价预测,并获得了最终的ROC曲线,分析了基于10组不同数据集并采用PSO-SVM耦合模型对研究区的评价结果精度高达86%且非常接近。同时,PSO-SVM模型针对不同的数据集在高易发性和低易发性的评价结果较一致。（3）通过对评价因子不确定性融合,将研究区的总面积按40%、30%、20%、10%划分为低、中、高、极高四个类别。PSO-SVM模型与证据理论的ROC曲线的评价结果进行了对比。发现了PSO-SVM耦合模型是可行的且优于证据理论。...
【文章来源】：湖北工业大学湖北省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
研究区的地形地貌
化[48]（Particle swarm optimization，简称“PSO”觅食行为，形成了一种适用于群体随机寻找的算法维空间延伸并按一定的规律进行搜索，我们称这个。粒子i在D维空间的位置表示为矢量 （= 表示为矢量 =（ ）。所有定的社会适应值（Fitness Value），以此来判断目量值对应其飞行方向和距离，并且已知粒子处于最好为 ，把此时的粒子看作“最优粒子”。除此之在整个群里粒子中的发现最好位置（gbest），而此时的通过不断的迭代找到的最优解。迭代过程中，粒子都通过追踪俩个“极值”（“pbes位置，在寻找最优解的过程中，粒子通过如下公式。详细的算法流程如图 3.2 所示。
图 3.3 支持向量机原理示意图训练样本为（ ， ），俩个异类支持向量 y=±3，···，m,n 样本数据输入维数。其实，SVM 的最，最优分类超平面为：wx+b=0于超平面的向量，b 是增加分类间距使超平面不经过坐的一点坐标为（iix , y）则离超平面最近的点的距离（分类最大的值相当于求221w 的最小值，因此，可以把问题问题：221min,wwbsty( wxb) imii.+ ≥1,=1,2
【参考文献】：
期刊论文
[1]基于GIS的信息量模型的白沙河流域滑坡危险性评价[J]. 文静,吴彩燕. 西南科技大学学报. 2017(02)
[2]基于二元逻辑回归模型的新疆果子沟滑坡风险区划[J]. 赵良军,陈冬花,李虎,刘玉锋. 山地学报. 2017(02)
[3]基于RS-SVM模型的滑坡易发性评价因子选择方法研究[J]. 于宪煜,胡友健,牛瑞卿. 地理与地理信息科学. 2016(03)
[4]基于层次分析法的滑坡易发性评价分析[J]. 郭瑞,张耀辉,丁宏伟,杨科元,彭杨宏,张雁,赵发伟. 甘肃地质. 2016(01)
[5]基于多模型的滑坡易发性评价——以甘肃岷县地震滑坡为例[J]. 沈玲玲,刘连友,许冲,王静璞. 工程地质学报. 2016(01)
[6]三峡库区万州区滑坡灾害易发性评价研究[J]. 张俊,殷坤龙,王佳佳,刘磊,黄发明. 岩石力学与工程学报. 2016(02)
[7]GIS支持下云南镇沅县滑坡孕灾环境因子的敏感性评价[J]. 林珊珊,杨德宏. 湖南农业科学. 2015(11)
[8]证据权法在滑坡易发性分区中的应用——以贵州桐梓河流域为例[J]. 范强,巨能攀,向喜琼,黄健. 灾害学. 2015(01)
[9]斜坡单元支持下的滑坡易发性评价支持向量机模型[J]. 武雪玲,任福,牛瑞卿,彭令. 武汉大学学报(信息科学版). 2013(12)
[10]基于Logistic回归模型的芦山震后滑坡易发性评价[J]. 冯策,刘瑞,苟长江. 成都理工大学学报(自然科学版). 2013(03)
博士论文
[1]浙西淳安降雨型滑坡发育规律及危险性评价研究[D]. 冯杭建.中国地质大学 2016
[2]基于多源数据和多尺度分析的滑坡易发性评价方法研究[D]. 于宪煜.中国地质大学 2016
[3]三峡库区滑坡灾害风险评估研究[D]. 彭令.中国地质大学 2013
硕士论文
[1]基于ArcGIS的延长县区域滑坡灾害易发性评价[D]. 韩煜.长安大学 2017
[2]理县基地千枚岩斜坡倾倒变形及失稳机理研究[D]. 朱林.成都理工大学 2016
[3]基于信息量模型的三峡库区滑坡区域危险性评价方法研究[D]. 戴悦.清华大学 2013
[4]基于GIS的北川地区地震滑坡空间分布特征分析及敏感性评价[D]. 方丹.首都师范大学 2012
本文编号：2976510
【文章来源】：湖北工业大学湖北省
【文章页数】：68 页
【学位级别】：硕士
【部分图文】：
研究区的地形地貌
化[48]（Particle swarm optimization，简称“PSO”觅食行为，形成了一种适用于群体随机寻找的算法维空间延伸并按一定的规律进行搜索，我们称这个。粒子i在D维空间的位置表示为矢量 （= 表示为矢量 =（ ）。所有定的社会适应值（Fitness Value），以此来判断目量值对应其飞行方向和距离，并且已知粒子处于最好为 ，把此时的粒子看作“最优粒子”。除此之在整个群里粒子中的发现最好位置（gbest），而此时的通过不断的迭代找到的最优解。迭代过程中，粒子都通过追踪俩个“极值”（“pbes位置，在寻找最优解的过程中，粒子通过如下公式。详细的算法流程如图 3.2 所示。
图 3.3 支持向量机原理示意图训练样本为（ ， ），俩个异类支持向量 y=±3，···，m,n 样本数据输入维数。其实，SVM 的最，最优分类超平面为：wx+b=0于超平面的向量，b 是增加分类间距使超平面不经过坐的一点坐标为（iix , y）则离超平面最近的点的距离（分类最大的值相当于求221w 的最小值，因此，可以把问题问题：221min,wwbsty( wxb) imii.+ ≥1,=1,2
【参考文献】：
期刊论文
[1]基于GIS的信息量模型的白沙河流域滑坡危险性评价[J]. 文静,吴彩燕. 西南科技大学学报. 2017(02)
[2]基于二元逻辑回归模型的新疆果子沟滑坡风险区划[J]. 赵良军,陈冬花,李虎,刘玉锋. 山地学报. 2017(02)
[3]基于RS-SVM模型的滑坡易发性评价因子选择方法研究[J]. 于宪煜,胡友健,牛瑞卿. 地理与地理信息科学. 2016(03)
[4]基于层次分析法的滑坡易发性评价分析[J]. 郭瑞,张耀辉,丁宏伟,杨科元,彭杨宏,张雁,赵发伟. 甘肃地质. 2016(01)
[5]基于多模型的滑坡易发性评价——以甘肃岷县地震滑坡为例[J]. 沈玲玲,刘连友,许冲,王静璞. 工程地质学报. 2016(01)
[6]三峡库区万州区滑坡灾害易发性评价研究[J]. 张俊,殷坤龙,王佳佳,刘磊,黄发明. 岩石力学与工程学报. 2016(02)
[7]GIS支持下云南镇沅县滑坡孕灾环境因子的敏感性评价[J]. 林珊珊,杨德宏. 湖南农业科学. 2015(11)
[8]证据权法在滑坡易发性分区中的应用——以贵州桐梓河流域为例[J]. 范强,巨能攀,向喜琼,黄健. 灾害学. 2015(01)
[9]斜坡单元支持下的滑坡易发性评价支持向量机模型[J]. 武雪玲,任福,牛瑞卿,彭令. 武汉大学学报(信息科学版). 2013(12)
[10]基于Logistic回归模型的芦山震后滑坡易发性评价[J]. 冯策,刘瑞,苟长江. 成都理工大学学报(自然科学版). 2013(03)
博士论文
[1]浙西淳安降雨型滑坡发育规律及危险性评价研究[D]. 冯杭建.中国地质大学 2016
[2]基于多源数据和多尺度分析的滑坡易发性评价方法研究[D]. 于宪煜.中国地质大学 2016
[3]三峡库区滑坡灾害风险评估研究[D]. 彭令.中国地质大学 2013
硕士论文
[1]基于ArcGIS的延长县区域滑坡灾害易发性评价[D]. 韩煜.长安大学 2017
[2]理县基地千枚岩斜坡倾倒变形及失稳机理研究[D]. 朱林.成都理工大学 2016
[3]基于信息量模型的三峡库区滑坡区域危险性评价方法研究[D]. 戴悦.清华大学 2013
[4]基于GIS的北川地区地震滑坡空间分布特征分析及敏感性评价[D]. 方丹.首都师范大学 2012
本文编号：2976510
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/2976510.html
