典型文献
基于SSA-BP的泥石流敏感性分析
文献摘要：
选择坡度、坡向、曲率、年降雨量、归一化植被指数、地层岩性、距构造距离、土地利用、居民密度以及路网密度这10个泥石流灾害的主控因素作为评价因子,采用麻雀搜索算法(Sparrow Search Algorithm,SSA)优化BP神经网络,并用SVM,SSA-SVM,BP,SSA-BP这4种机器学习模型评价云南省昆明市东川区的泥石流敏感性.结果表明:SSA-BP神经网络模型对东川区泥石流的预测成功率可以达到85.9％,相较于SVM,SSA-SVM,BP神经网络模型的预测准确率分别提高了3.9％,1.6％和3.3％.本文用泥石流灾害点对所生成的泥石流敏感性图进行验证,表明大部分的泥石流灾害点落在了敏感性为高和极高的区域内,证明了所生成的敏感性图对东川区的城乡规划、道路规划、防灾减灾等方面具有实际指导意义.
文献关键词：
敏感性分析;泥石流灾害;支持向量机(SVM);BP神经网络;麻雀搜索算法(SSA)
中图分类号：
作者姓名：
高原;李英娜
作者机构：
昆明理工大学 信息工程与自动化学院,云南 昆明 650500;云南省计算机技术应用重点实验室,云南 昆明 650500
文献出处：
引用格式：
[1]高原;李英娜-.基于SSA-BP的泥石流敏感性分析)[J].电视技术,2022(03):21-28
A类：
B类：
SSA,坡向,曲率,年降雨量,归一化植被指数,地层岩性,路网密度,泥石流灾害,主控因素,评价因子,麻雀搜索算法,Sparrow,Search,Algorithm,机器学习模型,模型评价,云南省昆明市东川区,预测准确率,所生,明大,城乡规划,道路规划,防灾减灾
AB值：
0.212689
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。
