龙溪河流域泥石流危险性预测

泥石流灾害性很强,我国地处于亚洲东部,山区广阔等多种原因会导致我国成为泥石流的多发区。该文首先对原始数据进行主成分分析 ,(PCA)处理提取主成分,然后进行支持向量机(SVM)预测,建立主成分分析与支持向量机模型进行预测分析研究。结果表明:基于主成分分析与支持向量机预测模型有较高的准确率,具有一定的参考价值,可对龙溪河流域泥石流危险性预测提供有效依据。

基于主成分分析与多分类支持向量机的单沟泥石流危险性预测

泥石流是一种常见的地质灾害,对人类的生命和财产都会造成极大危害。泥石流危险性预测是防灾减灾的关键。以白龙江流域泥石流为例,首先利用主成分分析对原始数据进行分析,提取主成分,然后采用交叉验证的方式抽取训练样本与预测样本进行多分类支持向量机预测,建立预测模型,对泥石流危险性等级进行分类预测。结果表明:基于5折交叉验证的主成分分析与多分类支持向量机预测模型准确率可达到90%,可为泥石流危险性预测的研究提供计算模型依据。

基于数字滤波算法的时域激电场Cole-Cole模型参数最优化计算

随着近年来物探设备和方法技术的更新,时谱激电成为时间域直流激电法的主要发展方向。时谱特征参数包含着反映极化体时变状态的信息,求解时谱特征参数对寻找地下极化异常体发挥着重要作用。本文以频域柯尔-柯尔模型为基础,基于数字滤波算法,对频域柯尔-柯尔模型进行了频时变换得到时域表达式,利用该时域表达式计算不同时刻和谱特征参数条件的时变电阻率和激电场电位差;然后利用上述时域表达式构造了目标函数,利用梯度法编写了视谱特征参数最优化算法,并进行理论算例试算。结果表明:通过理论算例试算,证明本文编写的视谱特征参数最优化算法是可行的,而且本文编写的该算法具有较好的精确度。