多分类支持向量机在泥石流危险性区划中的应用
详细信息
- 责任者：李秀珍^c中国科学院水利部成都山地灾害与环境研究所中国科学院成都山地灾害与地表过程重点实验室^d1975^f助理研究员 ; 孔纪名 ; 李朝凤^c中国科学院水利部成都山地灾害与环境研究所
- 刊名：水土保持通报
- 出版年：2010
- 卷期：30^b5总178
- 关键词：支持向量机 ; 泥石流 ; 危险评估11^a四川20^a地质灾害 ; BP神经网络系统 ; 模型 ; 应用31^a凉山
- 页码：128～133,157
- 索书号：P470.66/144
- 图表：^c表2参15插图
- 分类号：1700,2000
- 文摘期号：2011/05
摘要
以凉山州安宁河流域129个乡镇的泥石流危险性区划资料为依据，随机选取总样本数的2/3和1/2作为训练样本，建立不同数量训练样本下安宁河流域泥石流危险性区划的多分类SVM模型，进行以乡镇为单元的区域泥石流危险性评价研究。评价结果表明，SVM模型的预测精度随着训练样本数量的增加而提高;2个SVM模型对测试样本的预测准确率均高于相应的BP神经网络模型，对训练样本的回判准确率高于或接近于BP神经网络模型。因此，支持向量机方法是一种比神经网络方法具有更优精度和更强泛化性能的新机器学习方法，在泥石流危险性评价实践中具有十分广阔的应用前景和推广应用价值。