期刊介绍

本刊主要报道信息、控制与系统技术的开发性研究成果及其在我国各个领域的应用成果。所刊文章既有较高的学术价值、又有使用价值、推广价值和应用前景。辟有论文与报告、综论与介绍、讲座、实际问题研讨、学术活动信息等栏目。读者对象为从事本... 更多

核心期刊

CSCD核心库[2019-2020]
中文核心期刊(2017)
中文核心期刊(2014)
中文核心期刊(2011)
中文核心期刊(2008)
中文核心期刊(2004)
中文核心期刊(2000)
中文核心期刊(1996)
中文核心期刊(1992)

当前位置:首页 > 期刊导读 > 2019 > 05 > 详细内容

基于改进KPCA与混合核函数LSSVR的泥石流预测

作者:李丽敏 程少康 温宗周 萧明伟 徐根祺 张顺锋

摘要:针对引发泥石流灾害的多重影响因素而导致的预测维数灾难,以及最小二乘支持向量回归(least squares support vector regression, LSSVR)模型中选取单核函数而导致的模型训练性能部分缺陷的问题,提出了一种基于改进的核主成分分析(kernel principal component analysis, KPCA)与混合核函数LSSVR的泥石流灾害预测方法.首先,将影响泥石流发生的7种初始因子赋予权重,利用加权KPCA法筛选出3个主成分影响因子作为模型输入;然后,将局部核函数与全局核函数相结合,运用到LSSVR模型上,进行泥石流发生概率预测,以平衡样本学习能力与泛化能力,并使用果蝇优化算法(fruit fly optimization algorithm, FOA)更新模型的最优参数;最后,以磨子沟监测数据进行仿真验证.结果表明,该方法能够有效地降低维数灾难并提升预测模型精确度,在误差允许范围内预测出泥石流发生概率值及对应的预警等级,为相关决策部门提供一定的借鉴经验. 


关键字:泥石流;最小二乘支持向量回归;混合核函数;加权核主成分分析;概率预测;


上一篇:DoS攻击下网络控制系统的记忆型事件触发控制
下一篇:Buck-Boost矩阵变换器主电路参数随电流定额的自适应优选方法