為有效解決地震傷亡人數(shù)預(yù)測(cè)所需影響因子多、運(yùn)算量大、模型訓(xùn)練煩瑣等問題,構(gòu)建了主成分分析法（PCA）和遺傳算法（GA）優(yōu)化的支持向量機(jī)（SVM）模型,采用PCA對(duì)地震傷亡人數(shù)影響因子進(jìn)行降維以去除貢獻(xiàn)率較低的主成分,將貢獻(xiàn)率較大的主成分作為支持向量機(jī)的輸入變量,以地震傷亡人數(shù)作為輸出變量,利用GA對(duì)SVM模型性能參數(shù)進(jìn)行優(yōu)化,建立基于PCA-GA-SVM的地震傷亡人數(shù)預(yù)測(cè)模型,并對(duì)測(cè)試樣本進(jìn)行預(yù)測(cè),結(jié)果表明:與SVM模型、 GA-SVM模型和PCA-GA-BP模型相比, PCA-GA-SVM模型的預(yù)測(cè)準(zhǔn)確率和運(yùn)行效率分別提高4.73%、 1.14%、 9.99%和47.05%、 36.76%、 44.55%。結(jié)果顯示, PCA-GA-SVM模型預(yù)測(cè)精度高,泛化能力強(qiáng),能夠科學(xué)合理地對(duì)地震傷亡人數(shù)作出預(yù)測(cè)。 

【文章來源】：地震. 2020,40(03)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

基于PCA-GA-SVM的地震傷亡人數(shù)預(yù)測(cè)模型流程

將表4中的數(shù)據(jù)用于PCA-GA-SVM模型的建立, 以4個(gè)主成分作為輸入變量, 輸出變量為地震傷亡人數(shù), 設(shè)置遺傳種群數(shù)量為20, 遺傳代數(shù)為100。 經(jīng)反復(fù)訓(xùn)練獲得遺傳算法最優(yōu)適應(yīng)度曲線, 如圖3所示, 同時(shí)搜索到SVM的最優(yōu)參數(shù)C=0.4750, g=0.9481。2.4 預(yù)測(cè)結(jié)果與分析

由圖4可以看出, PCA-GA-SVM模型平均預(yù)測(cè)準(zhǔn)確率為91.28%, 總運(yùn)行時(shí)間為11.7 s, 相比于SVM模型預(yù)測(cè)準(zhǔn)確率提升4.73%, 運(yùn)行效率提升47.05%, 相比于GA-SVM模型預(yù)測(cè)準(zhǔn)確率提升1.14%, 運(yùn)行效率提升36.76%, 相比于PCA-GA-BP模型預(yù)測(cè)準(zhǔn)確率提升9.99%, 運(yùn)行效率提升44.55%, 由此說明BP神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu), 導(dǎo)致模型預(yù)測(cè)精度差, 運(yùn)行效率低, 而SVM在處理小樣本、 多維數(shù)、 非線性的樣本數(shù)據(jù)上擁有強(qiáng)大的優(yōu)勢(shì), 同時(shí)PCA的降維效果明顯, GA優(yōu)化算法較高的收斂性能夠快速搜索到最優(yōu)參數(shù), 使得PCA-GA-SVM模型的預(yù)測(cè)精度和運(yùn)行效率均處于較高水平, 能夠科學(xué)合理地對(duì)地震傷亡人數(shù)做出預(yù)測(cè), 滿足實(shí)際需要。3 結(jié)論

【參考文獻(xiàn)】：
期刊論文
[1]Territorial suitability assessment and function zoning in the Jiuzhaigou earthquake-stricken area[J]. YU Hui,QIANG Miao,LIU Shao-quan.  Journal of Mountain Science. 2019(01)
[2]Lessons from the seismic behavior of a steel grid roof structure heavily damaged in Lushan earthquake[J]. Li Jichao,Qu Zhe,Wang Tao.  Earthquake Engineering and Engineering Vibration. 2019(01)
[3]基于PCA-NARX神經(jīng)網(wǎng)絡(luò)的氨氮預(yù)測(cè)[J]. 袁紅春,趙彥濤,劉金生.  大連海洋大學(xué)學(xué)報(bào). 2018(06)
[4]基于PCA降維模型的造紙廢水處理過程軟測(cè)量建模[J]. 劉鴻斌,李祥宇,楊沖.  中國造紙學(xué)報(bào). 2018(04)
[5]基于GA-SVM模型的印刷套準(zhǔn)識(shí)別[J]. 王世輝,王儀明,武淑琴,焦琳青,李林會(huì).  傳感器與微系統(tǒng). 2018(11)
[6]面向地震風(fēng)險(xiǎn)評(píng)估的人口空間格網(wǎng)化技術(shù)研究[J]. 袁小祥,王曉青,竇愛霞,丁香,丁玲,鄧飛.  地震. 2018(04)
[7]基于GA-SVM的隧道圍巖分類研究[J]. 溫廷新,于鳳娥,邵良杉,田煜晨.  公路交通科技. 2018(09)
[8]Landslide susceptibility mapping using Genetic Algorithm for the Rule Set Production（GARP） model[J]. Fatemeh ADINEH,Baharak MOTAMEDVAZIRI,Hasan AHMADI,Abolfazl MOEINI.  Journal of Mountain Science. 2018(09)
[9]A novel method for chemistry tabulation of strained premixed/stratified flames based on principal component analysis[J]. Peng TANG,Hongda ZHANG,Taohong YE,Zhou YU,Zhaoyang XIA.  Applied Mathematics and Mechanics（English Edition）. 2018(06)
[10]基于SVM的RC框架結(jié)構(gòu)地震易損性分析[J]. 蘇亮,何海健.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(05)



本文編號(hào)：3475493