基于改进粒子群优化ν支持向量机的泥石流灾害预测模型

作者：徐根祺^*; 曹宁; 李璐; 谢国坤; 姚怡

来源：国外电子测量技术, 2022, 41(09): 73-81.

DOI：10.19652/j.cnki.femt.2204003

• 泥石流灾害
• 预测模型
• 粒子群算法
• 支持向量机

为了解决研究中存在的泥石流影响因子数据敏感度不同造成预测准确度不高、数据呈现小样本特点导致模型拟合效果不佳、非线性模型参数寻优困难等问题，采用主成分分析算法剔除相关性较强的影响因子，结合ν支持向量机(support vector machines, SVM)建立泥石流灾害预测模型，利用改进粒子群算法(particle swarm optimization, PSO)对模型进行优化，最终建立TFPSO-ν-SVM泥石流灾害概率预测模型。通过仿真实验对比了传统SVM模型、标准PSO-ν-SVM模型以及TFPSO-ν-SVM模型的性能，结果表明，TFPSO-ν-SVM模型具有最高的预测精度和最短的训练时间。

• 单位
  西安科技大学高新学院; 西安交通工程学院; 西安思源学院; 土木工程学院