基于KPCA-SSA-GRNN的滑坡预报模型 |
| |
引用本文: | 夏梦凡,李丽敏,任瑞斌,王朝阳,王智勇,尚艳芳.基于KPCA-SSA-GRNN的滑坡预报模型[J].国外电子测量技术,2022(9):109-115. |
| |
作者姓名: | 夏梦凡 李丽敏 任瑞斌 王朝阳 王智勇 尚艳芳 |
| |
作者单位: | 西安工程大学电子信息学院 |
| |
基金项目: | 陕西省自然科学基础研究计划(2022JM-322)项目资助; |
| |
摘 要: | 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。
|
关 键 词: | 核主成分分析法 广义回归神经网络 麻雀搜索算法 滑坡危险等级 |
|
|