典型文献
基于改进粒子群优化v支持向量机的泥石流灾害预测模型
文献摘要：
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v 支持向量机(support vec-tor 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-v-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-v-SVM模型以及TFP-SO-v-SVM模型的性能,结果表明,TFPSO-v-SVM模型具有最高的预测精度和最短的训练时间.
文献关键词：
泥石流灾害;预测模型;粒子群算法;支持向量机
中图分类号：
作者姓名：
徐根祺;曹宁;李璐;谢国坤;姚怡
作者机构：
西安交通工程学院机械与电气工程学院 西安710300;西安交通工程学院土木工程学院 西安710300;西安思源学院理工学院 西安710038;西安科技大学高新学院城市建设学院 西安710109
文献出处：
引用格式：
[1]徐根祺;曹宁;李璐;谢国坤;姚怡-.基于改进粒子群优化v支持向量机的泥石流灾害预测模型)[J].国外电子测量技术,2022(09):73-81
A类：
TFPSO
B类：
改进粒子群优化,泥石流灾害,灾害预测,预测准确度,小样本,模型拟合,拟合效果,非线性模型参数,模型参数寻优,support,vec,tor,machines,改进粒子群算法,particle,swarm,optimization,概率预测模型,实验对比,训练时间
AB值：
0.257734
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
