基于KPCA-SSA-GRNN的滑坡预报模型

滑坡灾害的发生受多种因素的影响,传统预报方法通常基于单一影响因素进行建模,预报精确度不高。为了提高滑坡发生概率预报精度,提出一种核主成分分析-麻雀搜索算法-广义回归神经网络(KPCA-SSA-GRNN)混合预测模型。首先,利用KPCA,筛选影响滑坡的主要致灾因子,并将其作为GRNN模型的输入;其次,为提高GRNN模型的预测效果,采用SSA算法对GRNN模型的光滑因子σ进行寻优;最后,对优化后的GRNN模型进行测试,输出滑坡灾害概率,并确定滑坡危险等级。以陕西省山阳县为研究区域,利用KPCA-SSA-GRNN模型进行预测,并将该模型预测结果与改进前的GRNN模型和传统的BP神经网络模型、RBF神经网络模型进行对比,结果表明,该模型在预报精度方面优于其他模型,对于滑坡预报提供了一定的理论参考。