期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
主成分分析法和遗传算法优化的支持向量机模型在地震伤亡人数预测中的应用
被引量:
7
1
作者
王晨晖
刘立申
+3 位作者
任佳
袁颖
王利兵
陈凯男
《地震》
CSCD
北大核心
2020年第3期142-152,共11页
为有效解决地震伤亡人数预测所需影响因子多、运算量大、模型训练烦琐等问题,构建了主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型,采用PCA对地震伤亡人数影响因子进行降维以去除贡献率较低的主成分,将贡献率较大的主成分...
为有效解决地震伤亡人数预测所需影响因子多、运算量大、模型训练烦琐等问题,构建了主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型,采用PCA对地震伤亡人数影响因子进行降维以去除贡献率较低的主成分,将贡献率较大的主成分作为支持向量机的输入变量,以地震伤亡人数作为输出变量,利用GA对SVM模型性能参数进行优化,建立基于PCA-GA-SVM的地震伤亡人数预测模型,并对测试样本进行预测,结果表明:与SVM模型、GA-SVM模型和PCA-GA-BP模型相比,PCA-GA-SVM模型的预测准确率和运行效率分别提高4.73%、1.14%、9.99%和47.05%、36.76%、44.55%。结果显示,PCA-GA-SVM模型预测精度高,泛化能力强,能够科学合理地对地震伤亡人数作出预测。
展开更多
关键词
地震伤亡人数预测
主成分分析法
遗传算法
支持向量机
下载PDF
职称材料
题名
主成分分析法和遗传算法优化的支持向量机模型在地震伤亡人数预测中的应用
被引量:
7
1
作者
王晨晖
刘立申
任佳
袁颖
王利兵
陈凯男
机构
河北省地震局红山基准地震台
河北地质大学勘查技术与工程学院
出处
《地震》
CSCD
北大核心
2020年第3期142-152,共11页
基金
国家自然科学基金(41301015)
河北省教育厅重点项目(ZD2015073,ZD2016038)
河北省地震科技星火计划项目(DZ20160405023)。
文摘
为有效解决地震伤亡人数预测所需影响因子多、运算量大、模型训练烦琐等问题,构建了主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型,采用PCA对地震伤亡人数影响因子进行降维以去除贡献率较低的主成分,将贡献率较大的主成分作为支持向量机的输入变量,以地震伤亡人数作为输出变量,利用GA对SVM模型性能参数进行优化,建立基于PCA-GA-SVM的地震伤亡人数预测模型,并对测试样本进行预测,结果表明:与SVM模型、GA-SVM模型和PCA-GA-BP模型相比,PCA-GA-SVM模型的预测准确率和运行效率分别提高4.73%、1.14%、9.99%和47.05%、36.76%、44.55%。结果显示,PCA-GA-SVM模型预测精度高,泛化能力强,能够科学合理地对地震伤亡人数作出预测。
关键词
地震伤亡人数预测
主成分分析法
遗传算法
支持向量机
Keywords
Prediction of earthquake casualties
Principal component analysis
Genetic algorithm
Support vector machine
分类号
P315.7 [天文地球—地震学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
主成分分析法和遗传算法优化的支持向量机模型在地震伤亡人数预测中的应用
王晨晖
刘立申
任佳
袁颖
王利兵
陈凯男
《地震》
CSCD
北大核心
2020
7
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部