典型文献
基于改进的SVR-GRNN风暴潮灾害损失组合评估模型
文献摘要：
风暴潮灾害是制约我国海洋开发和海洋经济发展的重要因素,也是海洋预防的重点难点问题.在风暴潮灾害损失评估这一领域,对组合评估模型的研究较少.以浙江省为例,整理收集了1990—2020年间记录完整的29个风暴潮历史灾情数据,利用麻雀搜索算法(Sparrow Search Algorithm,SSA)分别对支持向量回归(Support Vector Regression,SVR)和广义回归神经网络(Generalized Regression Neural Network,GRNN)进行模型优化改进,得到的直接经济损失拟合结果R2值分别为0.8473和0.8828,将改进后的SVR和GRNN建立组合模型,用于风暴潮灾害损失评估,R2提高为0.9190.结果表明:组合模型的评估精度优于单一模型,是一种适用于风暴潮灾害损失评估的高精度、稳定性方法.
文献关键词：
风暴潮灾害损失评估;支持向量回归(SVR);广义回归神经网络(GRNN);组合模型
中图分类号：
作者姓名：
贾丙宏;杨帅;冉姝
作者机构：
山东科技大学 测绘与空间信息学院,山东 青岛266590;济南市勘察测绘研究院,山东 济南250000;山东省巨野县委宣传部,山东 菏泽274900
文献出处：
引用格式：
[1]贾丙宏;杨帅;冉姝-.基于改进的SVR-GRNN风暴潮灾害损失组合评估模型)[J].北京测绘,2022(01):1-6
A类：
B类：
SVR,GRNN,海洋开发,海洋经济发展,重点难点,风暴潮灾害损失评估,历史灾情,麻雀搜索算法,Sparrow,Search,Algorithm,SSA,支持向量回归,Support,Vector,Regression,广义回归神经网络,Generalized,Neural,Network,模型优化,优化改进,直接经济损失,组合模型,定性方法
AB值：
0.246881
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。
