基于径向基神经网络的思南县崩塌易发性评价

贵州省思南县境内崩塌地质灾害较为发育,通过对县域崩塌易发性进行预测,可准确获取崩塌地质灾害分布规律,为国土部门开展崩塌防治提供科学指导。因此,首先采用遥感和地理信息系统等技术,对思南县的自然地理和地质条件等因素进行分析;再采用频率比分析和相关系数分析法,建立崩塌地质灾害与基础影响因子之间的非线性响应关系;最后,首次提出一种典型的机器学习:径向基神经网络模型,对思南县崩塌易发性进行预测并绘图。结果表明:径向基神经网络预测思南县的崩塌易发性的准确率(AUC曲线)达到0.945,非常准确地预测出了思南县崩塌地灾的分布规律。且崩塌易发性分布图显示极高、高、中等、低和极低易发区面积占县域总面积的比值分别为13.06%、14.08%、25.41%、23.68%和23.77%。

基于GIS和PSO-SVM模型的文山州石漠化风险评估

针对喀斯特石漠化风险评估影响因素较复杂且涉及众多地理空间对象的特点,本文在采用GIS技术对空间数据进行管理分析的基础上,提出了基于粒子群优化的支持向量机(PSO-SVM)的石漠化风险评估模型,分析了基于GIS的石漠化风险评估指标体系的建立过程,详细探讨了主成分分析与支持向量机模型相结合进行石漠化风险评估的方法与实现过程,并以云南省文山州为研究实例,将其与单独SVM模型和PSO-BP模型风险评估结果进行了对比分析,结果表明PSO-SVM模型的石漠化风险评估精度较高,效果更好。

基于MATLAB与小波进行沉降数据处理与分析

结合小波分析的基本原理和MATLAB强大的数据处理能力与图形拟合能力,采用了小波时间序列预测模型与MATLAB中自带的拟合工具箱来进行沉降数据的拟合,并将该方法应用于黄冈市某大桥软土路基沉降监测的预测工作中。然后,对两种拟合方法进行了预测效果对比。从所得的结果表明:小波处理后的模型具有抗差干扰和粗差探测、剔除的优点,同时使用曲线拟合工具箱的拟合模型比常规模型更方便快捷且预测的效果也很高,两种模型结合使用会较大地增加其应用价值。