購物車(0)
基于PCA-GSM-SVM的地震傷亡人數預測
王晨暉; 袁穎; 劉立申; 陳凱男; 吳鶴帥 河北省地震局紅山基準臺; 河北邢臺054000; 河北地質大學勘查技術與工程學院; 石家莊050031
關鍵詞：地震死亡人數 主成分分析法 網格搜索法 支持向量機
摘要：針對影響地震傷亡人數的評價指標數量較多且各指標之間存在著復雜的非線性關系,運用機器學習理論,提出了基于支持向量機(Support Vector Machine)的地震傷亡人數預測模型;首先利用主成分分析法(Principle Component Analysis)對7個地震死亡人數影響指標進行數據降維,然后對提取出的主成分進行歸一化處理,將歸一化的主成分數據作為預測模型的輸入向量,將地震傷亡人數作為預測模型的輸出向量;以27個地震傷亡實例作為學習樣本進行訓練,運用網格搜索法(Grid Search Method)尋優獲得最優支持向量機參數,最終建立基于PCA-GSM-SVM的地震死亡人數預測模型,并對5組樣本進行死亡人數預測。結果表明:PCA-GSM-SVM模型的最小誤差、最大誤差和平均誤差分別為5.12%、15.7%和9.16%,其平均誤差相比于GSM-SVM模型和SVM模型分別降低6.51%和7.11%,因此PCA-GSM-SVM模型預測精度較高,可在工程實際中推廣。
華北地震科學雜志要求:
{1}圖表設計恰當，具自明性；先見引文，后見圖表；表名和圖名一律中英文并列。表格用三線表。
{2}來稿文責自負，所有作者應對稿件內容和署名無異議，稿件內容不得抄襲或重復發表。
{3}嚴格參照學術期刊論文編排格式來稿，來稿前認真校正錯字別字、專業術語、數字量詞、引文圖表、人名地名、標點符號、年月時間涉嫌保密等。
{4}請勿一稿多投。請勿寄予個人。
{5}題目內不應列入非公知公用的符號、代號以及數學公式等。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
