| GIS支持下应用PSO-SVM模型预测滑坡易发性 |
| |
| 引用本文： | 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[J]. 武汉大学学报 ( 信息科学版), 2016, 41(5): 665-671. DOI: 10.13203/j.whugis20130566 |
| |
| 作者姓名： | 武雪玲 沈少青 牛瑞卿 |
| |
| 作者单位： | 1.中国地质大学(武汉)地球物理与空间信息学院, 湖北武汉, 430074;;2.国土资源部城市土地资源监测与仿真重点实验室, 广东深圳, 518034 |
| |
| 基金项目： | 国家自然科学基金(41501470);国土资源部城市土地资源监测与仿真重点实验室开放基金(KF-2015-01-006);资源与环境信息系统国家重点实验室开放基金。 |
| |
| 摘 要： | 滑坡灾害易发性预测是滑坡监测、预警与评估的关键技术。如何有效地选取评价因子和构建预测模型是滑坡灾害定量预测研究中的难题。本文以三峡库区长江干流岸坡作为研究区,通过地形、地质和遥感等多源数据融合,提取滑坡孕灾环境和诱发因素的信息作为评价因子。在此基础上,针对滑坡灾害的非线性和不确定性特征,采用粒子群算法对支持向量机模型参数进行全局寻优,构建粒子群算法(particle swarm optimization, PSO)-支持向量机(support vector machine, SVM)模型,定量预测滑坡易发性。最后通过分类精度比较分析基于格网单元和对象单元的滑坡易发性预测精度,结果表明,基于对象单元的PSO-SVM预测精度较高,其曲线下面积为0.841 5,Kappa系数为0.849 0,预测结果与野外实际调查情况较为一致,可为三峡库区滑坡防灾减灾工作提供参考。
|
| 关 键 词： | 滑坡 模型单元 PSO-SVM 预测 |
| 收稿时间： | 2015-08-25 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《武汉大学学报(信息科学版)》浏览原始摘要信息 |
|
点击此处可从《武汉大学学报(信息科学版)》下载全文 |
|
