更全的杂志信息网

泥石流平均流速的PSO-SVM预测模型

更新时间:2009-03-28

一、引言

泥石流是一种常见的多发于山地丘陵地带的地质灾害[1-3],其暴发突然、冲击破坏力强等特点给人民的生命财产带来巨大危害。泥石流流速的大小决定着泥石流的强弱,它在泥石流的治理与防治问题中扮演着重要角色,因此,如何准确预测泥石流的流速显得至关紧要。从泥石流预测[4,5]问题的上百年历史来看,常见的预测模型方法有:经验法、动态模型法[6]、物理模型法等,均有较成功的案例,但同时它们也存在区域性强、适应性差等缺陷,难以达到最优的预测精度。近年来,随着计算机网络算法的飞速发展,支持向量机(SVM)模型和BP神经网络模型逐渐被人熟知,并广泛应用于各个领域。

针对泥石流系统复杂多样,各影响因素之间的不确定性强[7],难以建立准确的物理预测模型问题,论文在支持向量机(SVM)理论的基础上,结合粒子群算法(PSO)全局搜索性强、收敛较快的特性,优化SVM的最理想参数,寻求最优解,建立了泥石流平均流速的PSO-SVM预测模型。同时采用云南蒋家沟地区[8]的泥石流现场监测数据,对该模型进行训练和预测,并对比SVM模型和BP神经网络模型[9,10]的预测效果。其对比结果进一步显示了PSO-SVM模型在处理小样本、非线性等现实问题的优势,为泥石流平均流速的预测问题提供一个更精准的技术方法,也可为泥石流的治理与防治问题提供更多可靠的数据。

二、支持向量机基本原理

支持向量机(SVM)是由Vapnik[11]等人提出的一种基于有限样本的统计学数据挖掘工具,SVM参考结构风险最小化原理,同时以广义超平面理论为主要思想,利用核函数将X映射到高维特征空间,使数据线性可分,达到准确分类的目标,因此它具有较好的泛化性能,在解决小样本问题时优势明显。其计算步骤[12]如下:

比如,外资办百货商店、超级市场,涉及外资零售权、百货进口权、国内商品采购出口权、外汇调剂权、减征关税和所得税。又比如,建设保税区,涉及区内免关税、免许可证;国内外企业可以在区内设立国际贸易机构;区内企业不仅可做一般的进出口贸易,还可做国际转口贸易,可从事生产资料交易中心业务;作为境内关外的地区,外汇全额留成,各国货币可以流通。

设:训练样本(Xi,yi),i=1,2…n,其中Xi∈Rn,yi∈R。SVM的决策函数为:

 

[9] 陈刚, 何政伟, 杨斌, 等. 遗传BP神经网络在泥石流危险性评价中的应用[J]. 计算机工程与应用, 2010, 46(3): 228-231.

 

其中,惩罚参数C>0,松弛变量为ξi。结合最优化原则将公式(2)转化如下:

式(3)中,K(Xi·Xj)为SVM的核函数,和αi是Lagrange乘子。选择常用的RBF核函数,其表达式如下:

 

求式(3)的最优解,记为:

 

从图3可以明显的观察到,在回判的40组训练样本中,PSO-SVM模型的泥石流平均流速的预测值非常接近现场监测值,除第4组数据预测误差稍大之外,其余39组数据预测结果的准确度非常高,完全可以达到工程需求。因此,该训练样本回判检验的结果表明,PSO-SVM模型能够用于泥石流平均流速的预测分析。

 

三、基于PSO的SVM参数优化

粒子群优化算法(PSO)是由Kennedy等[14]提出的一种源于对鸟群捕食研究的全局搜索优化算法,系统先初始化一组随机解,通过对适应度函数的连续评价更新寻找全局最优解。PSO算法易于理解、便于实现,近年来较多的应用于函数寻优、模型分类、神经网络训练预测等领域。本文利用粒子群算法优化SVM最优核参数,并结合文献[8]中45组泥石流现场监测数据,建立了泥石流平均流速的PSO-SVM预测模型,其具体流程[15]如图1。

  

图1 泥石流平均流速的PSO-SVM预测模型流程图

四、PSO-SVM预测模型的建立

(一)泥石流平均流速的影响因子

我国云南省蒋家沟地区雨季频繁,多发生泥石流灾害,研究以文献[8]中蒋家沟地区的泥石流的观测数据为基础,通过物理分析[8],选取泥深、沟床比降、平均粒径、密度4个参数作为泥石流平均流速的主要影响因子,其现场实测数据如表1。从所选的45组泥石流现场监测数据中随机抽取40组作为训练样本,另外5组数据作为测试样本。

 

表1 泥石流实测数据

  

序号 泥深(m)沟床比降(%)平均粒径(mm)密度(t·m-3)平均流速(m·s-1)1 0.65 5.5 11 2.24 5.0 2 1.22 5.5 10 2.21 6.9 3 1.68 5.5 16 2.28 7.50 4 3.72 6.6 12 2.21 9.2………………………………43 1.07 5.5 12 2.29 5.8 44 0.52 5.8 1 1.70 3.6 45 1.03 5.5 8 2.21 5.8

(二)PSO-SVM模型的建立

论文选择径向基函数(RBF)为SVM的核函数,利用MATLAB语言编写粒子群算法(PSO)优化SVM模型的程序,以确定SVM最优惩罚参数C和核参数g。粒子群算法的初始参数为:加速度C1=1.5,C2=1.7,种群数量N为20,终止代数为200,SVM最优参数的粒子群算法寻优过程如图2,经过多次迭代寻优,其优化后的最终参数值为C=2.5308,g=14.876 3。为进一步验证泥石流平均流速的PSO-SVM预测模型的可行性,利用PSO优化后的C、g值对前面蒋家沟地区随机选取的40组训练样本进行回判检验,其结果如图3。

  

图2 参数寻优图

  

图3 训练样本回判检验图

最终得到SVM的回归函数[13]是:

(三)预测结果对比分析

将新建立的PSO-SVM模型应用于表1中的另外5组测试样本,从程序运行的结果来看,该模型的预测值比较接近真实测量值,误差较小。为了进一步彰显其优势,在使用相同实测数据的情况下,对比SVM模型和BP神经网络模型的预测值和相对误差如表2。

 

表2 泥石流平均流速预测结果对比

  

编号实测值(m/s)相对误差(%)1 2 2.05 2.62 2.10 5.2 2.13 6.3 2 2 2.07 3.67 2.13 6.3 2.21 10.7 3 6 6.13 2.2 6.49 4.15 6.44 7.3 4 5 4.81 1.95 4.76 2.75 5.35 6.93 5 10 10.13 1.3 10.19 1.9 10.34 3.41 PSO-SVM SVM BP神经网络预测值(m/s)相对误差(%)预测值(m/s)相对误差(%)预测值(m/s)

[1] 韦方强, 胡凯衡. 泥石流流速研究现状与发展方向[J]. 山地学报, 2009, 27(5): 545-550.

五、结论

泥石流流速的影响因素复杂多样,常规的数学物理模型很难准确的预测出泥石流的平均流速。对比BP神经网络模型,SVM模型更适用于蒋家沟地区的小样本数据预测问题,其训练和预测效果要优于BP神经网络,能够更好的表达出泥石流流速的动态变化规律,提高了泥石流流速的预测精度。

[7] 徐黎明, 王清, 陈剑平, 等. 基于BP神经网络的泥石流平均流速预测[J]. 吉林大学学报((地球科学版), 2013, 43(1):186-191.

一致性即为英文单词“Alignment”,韦伯将其界定为:教育系统中各构成要素能够互相匹配至期待目标的程度,一致性分析范式是指判断、分析某一体系中各个要素之间吻合程度的理念、程序与方法的总和[2].我国学者借鉴过程中也提出对一致性的理解,一般认为是教育系统各要素之间的有效匹配或吻合程度.本文中一致性即指在国家教师考试评价系统中试题与大纲标准的匹配程度.

参考文献:

该指标体系主要从外在能力和潜在能力两个领域进行设计,共由5个一级指标、13个二级指标和40个三级指标。其中外在能力包含知识和技能2个一级指标,5个二级指标和15个三级指标;潜在能力则涵盖动机、特质、意识等3个一级指标,8个二级指标以及25个三级指标,见表1。

由表2可以直观地看出,PSO-SVM模型预测值的最大相对误差仅为3.67%,其预测效果要好于SVM模型和BP神经网络模型。总的来说,SVM模型受样本数据影响小,其适应性更强,在不了解各数据的存在形式和复杂关系的情况下,SVM模型的泛化能力和预测效果要优于对样本数据要求较高的BP神经网络。而粒子群优化算法(PSO)因其自身优势,可以更简单、高效、准确的找到SVM最优参数,提高SVM模型的预测精度。因此在泥石流平均流速的小样本数据预测问题中,采用PSO-SVM模型能够得到更好的预测效果。

[3] 刘传正. 中国崩塌滑坡泥石流灾害成因类型[J]. 地质论评,2014, 60(4): 858-868.

[2] 王晨晖, 张超. 基于主成分分析法和遗传算法优化支持向量机模型的泥石流危险度预测[J]. 河北地质大学学报, 2017(2):20-24.

采用SAS 30.0软件对数据进行分析处理,学生成绩评价、教学方式评价为计量资料,以(均数±标准差)表示,采用t检验;计数资料以(n,%)表示,采用χ2检验,以P<0.05表示差异具有统计学意义。

[4] 张罗号, 张红武, 张锦方,等. 泥石流流速计算与模型设计方法[J]. 人民黄河, 2015, 37(4): 18-24.

本文认为,不同程序中不同的价值导向在起最终的作用。在专利授权程序中,权利要求理解的价值导向在于:促使专利申请人修改申请文件从而以更加明确的措辞或术语来限定其保护范围。在专利确权程序中,权利要求理解的价值导向在于:既要考虑授权权利要求的公示作用,又要考虑其实际技术贡献,从而更好地在保护专利权人的创新与由权利要求公示作用所体现的保障公众合法权益之间维持平衡。在专利民事侵权程序中,权利要求解释的价值导向在于:对一项具有技术贡献的发明匹配合理的保护范围从而作出侵权与否的判断。不同的价值导向使得不同程序中权利要求保护范围的理解和解释的基本规则不尽相同。

[5] 魏振磊, 孙红月, 潘攀, 等. 泥石流平均流速的MLS模型预测[J].自然灾害学报, 2016, 25(4): 56-61.

[6] CHEN H, LEE C F. Geohazards of slope mass movement and its prevention in Hong Kong.Engineering Geology, 2004, 76(1-2): 3-25.

近年来,不少学科领域专家不幸成为虚假医疗信息“偏爱”的对象,中医泰斗、名医团队频频出现在某些不知名医院的官网上。男科、妇科、不孕不育、皮肤性病科是“被出诊”问题的重灾区。

粒子群算法搜索能力强,全局寻优支持向量机最优参数效果显著,对比SVM模型,新建立的PSOSVM模型,其计算过程简单、高效,而且该模型的预测精度更高,更好的解决了泥石流流速的预测问题。此外,该模型的推广性也得到了验证,可为以后泥石流的防治与治理工作提供更多数据支持。

[8] 徐永年. 崩塌土流动化机理及泥石流冲淤特性的实验研究[D].北京: 中国水利水电科学研究院, 2001.

其中,φ(Xi)表示样本映射到高维空间,w表示可调整的权值矢量,b代表偏置值。为找到最优参数W和b,构造如下函数:

[10] 于国强, 张茂省, 王根龙, 等. 支持向量机和BP神经网络在泥石流平均流速预测模型中的比较与应用[J]. 水利学报, 201 2(s2): 105-110.

[11] 丁世飞, 齐丙娟, 谭红艳. 支持向量机理论与算法研究综述[J].电子科技大学学报, 2011, 40(1): 2-10.

关于道德行为究竟是怎么发生的问题,王阳明从“知行合一”的观点论述,用“知行”二者不可分割性,论述道德行为发生的必须性;休谟从“反理性”的角度出发,认为道德行为的践行不应该掺杂太多的理性因素,理性因素很大程度上是道德行为发生的阻碍。针对当前社会上出现的“知行脱节”“扶不扶”等道德问题,都是一种理性支配感性的不道德现象,在道德实践领域,强调道德情感本身的重要性,降低理性因素的主导,对于更好地进行道德实践具有重要意义。

[12] 原立峰, 周启刚, 马泽忠. 支持向量机在泥石流危险度评价中的应用研究[J]. 中国地质灾害与防治学报, 2007, 18(4): 29-33.

观察组、对照组ASO患者组间护理满意度结果见表2。经统计学计算,观察组护理工作满意度92%,明显高于对照组护理工作满意度68%。

[13] 李秀珍, 孔纪名, 李朝凤. 多分类支持向量机在泥石流危险性区划中的应用[J]. 水土保持通报, 2010, 30(5): 128-133.

[14] 杨维, 李歧强. 粒子群优化算法综述[J]. 中国工程科学, 2004,6(5): 87-94.

[15] 袁颖, 王晨晖, 周爱红. 巷道围岩稳定性分类的GSM-SVM预测模型[J]. 煤矿安全, 2017, 48(6): 200-203.

本文采用比较分析的方法对提出的垂直搜索引擎性能进行测试,主要测试指标为查全率、查准率、响应时间参数等,重点针对主题爬虫模块。实验将雅虎(中国)、百度、搜狗、大学搜4 个中文垂直搜索引擎作为比较对象,其中,大学搜是通过百度搜索推荐的一款优秀垂直搜索引擎,原本想将谷歌搜索引擎列为重要的实验分析对象,因谷歌退出中国,难于实现中文环节下的真实查询结果显示,因此放弃。

 
韩冰
《河北地质大学学报》2018年第02期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息