典型文献
基于KPCA-SSA-GRNN的滑坡预报模型
文献摘要：
滑坡灾害的发生受多种因素的影响,传统预报方法通常基于单一影响因素进行建模,预报精确度不高.为了提高滑坡发生概率预报精度,提出一种核主成分分析-麻雀搜索算法-广义回归神经网络(KPCA-SSA-GRNN)混合预测模型.首先,利用KPCA,筛选影响滑坡的主要致灾因子,并将其作为GRNN模型的输入;其次,为提高GRNN模型的预测效果,采用SSA算法对GRNN模型的光滑因子σ进行寻优;最后,对优化后的GRNN模型进行测试,输出滑坡灾害概率,并确定滑坡危险等级.以陕西省山阳县为研究区域,利用KPCA-SSA-GRNN模型进行预测,并将该模型预测结果与改进前的GRNN模型和传统的BP神经网络模型、RBF神经网络模型进行对比,结果表明,该模型在预报精度方面优于其他模型,对于滑坡预报提供了一定的理论参考.
文献关键词：
核主成分分析法;广义回归神经网络;麻雀搜索算法;滑坡危险等级
中图分类号：
作者姓名：
夏梦凡;李丽敏;任瑞斌;王朝阳;王智勇;尚艳芳
作者机构：
西安工程大学电子信息学院 西安710600
文献出处：
引用格式：
[1]夏梦凡;李丽敏;任瑞斌;王朝阳;王智勇;尚艳芳-.基于KPCA-SSA-GRNN的滑坡预报模型)[J].国外电子测量技术,2022(09):109-115
A类：
滑坡危险等级
B类：
KPCA,SSA,GRNN,预报模型,滑坡灾害,预报方法,发生概率,概率预报,预报精度,麻雀搜索算法,广义回归神经网络,混合预测模型,致灾因子,光滑因子,山阳县,进前,RBF,核主成分分析法
AB值：
0.219438
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。
