購物車(0)
基于PCA-GSM-SVM的地震傷亡人數(shù)預測
關(guān)鍵詞：地震死亡人數(shù) 主成分分析法 網(wǎng)格搜索法 支持向量機
摘要：針對影響地震傷亡人數(shù)的評價指標數(shù)量較多且各指標之間存在著復雜的非線性關(guān)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(shù)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(shù)影響指標進行數(shù)據(jù)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(shù)據(jù)作為預測模型的輸入向量,將地震傷亡人數(shù)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(wǎng)格搜索法(Grid Search Method)尋優(yōu)獲得最優(yōu)支持向量機參數(shù),最終建立基于PCA-GSM-SVM的地震死亡人數(shù)預測模型,并對5組樣本進行死亡人數(shù)預測。結(jié)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(nèi)容和署名無異議，稿件內(nèi)容不得抄襲或重復發(fā)表。
{3}嚴格參照學術(shù)期刊論文編排格式來稿，來稿前認真校正錯字別字、專業(yè)術(shù)語、數(shù)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(nèi)不應列入非公知公用的符號、代號以及數(shù)學公式等。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
