基于PCA-PSO-ELM模型预测地震死亡人数研究

筛选42个历史地震震例,对地震震级、震源深度、震中烈度、抗震设防烈度、震中烈度与抗震设防烈度之差(ΔL)、人口密度以及发震时刻7个影响指标进行主成分分析(principal components analysis,PCA),构建粒子群优化(particle swarm optimization,PSO)极限学习机(extreme learning machine,ELM)地震死亡人数预测模型。将37个震例数据进行预处理和训练,并使用5个震例数据来检验模型的预测精度。实验结果表明,该PCA-PSO-ELM组合模型的平均误差率为10.87%,相比于PCA-ELM模型和ELM模型,其平均误差率分别降低8.70个百分点和18.38个百分点。因此,采用PCA-PSO-ELM组合模型预测地震死亡人数具有一定的可行性。

基于PSO优化ELM模型的震后直接经济损失评估

选取震级、震中烈度、震中烈度和抗震设防烈度之差、人均GDP、人口密度5个影响因子作为评估指标,筛选出1996—2014年间37个历史地震作为研究样本,构建PSO-ELM震后直接经济损失评估模型。实验表明:PSO-ELM模型预测的平均误差率为13.89%,其平均误差率相比于未优化的ELM和传统的BP网络模型分别降低了14.61%和36.79%;通过分析影响因子的敏感程度,得出人均GDP、人口密度和震中烈度影响最为明显,在震后直接经济损失评估中应该重点关注。综上,PSO-ELM模型具有精度高和泛化能力强等优点,可在实际案例中推广使用。