基于PCA-GSM-SVM的地震伤亡人数预测
  • 【DOI】

    10.3969/j.issn.1003-1375.2019.03.004

  • 【摘要】

    针对影响地震伤亡人数的评价指标数量较多且各指标之间存在着复杂的非线性关系,运用机器学习理论,提出了基于支持向量机(Support Vector Machine)的地震伤亡人数预测模型;首先利用主成分分析法(Principle Component Analysis)对7个地震死亡人数影响指标进行数据降维,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为预测模型的输入向量,将地震伤亡人数作... 展开>>针对影响地震伤亡人数的评价指标数量较多且各指标之间存在着复杂的非线性关系,运用机器学习理论,提出了基于支持向量机(Support Vector Machine)的地震伤亡人数预测模型;首先利用主成分分析法(Principle Component Analysis)对7个地震死亡人数影响指标进行数据降维,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为预测模型的输入向量,将地震伤亡人数作为预测模型的输出向量;以27个地震伤亡实例作为学习样本进行训练,运用网格搜索法(Grid Search Method)寻优获得最优支持向量机参数,最终建立基于PCA-GSM-SVM的地震死亡人数预测模型,并对5组样本进行死亡人数预测.结果 表明:PCA-GSM-SVM模型的最小误差、最大误差和平均误差分别为5.12%、15.7%和9.16%,其平均误差相比于GSM SVM模型和SVM模型分别降低6.51%和7.11%,因此PCA-GSM-SVM模型预测精度较高,可在工程实际中推广. 收起<<

  • 【作者】

    王晨晖  袁颖  刘立申  陈凯男  吴鹤帅 

  • 【作者单位】

    河北省地震局红山基准台/河北地质大学勘查技术与工程学院

  • 【刊期】

    华北地震科学 ISTIC 2019年3期

  • 【关键词】

    地震死亡人数  主成分分析法  网格搜索法  支持向量机 

  • 【基金项目】

    国家自然科学基金 河北省教育厅重点项目 石家庄经济学院国家自然科学基金预研基金