基于PCA-GSM-SVM的地震傷亡人數(shù)預(yù)測
關(guān)鍵詞：地震死亡人數(shù) 主成分分析法 網(wǎng)格搜索法 支持向量機
摘要：針對影響地震傷亡人數(shù)的評價指標(biāo)數(shù)量較多且各指標(biāo)之間存在著復(fù)雜的非線性關(guān)系,運用機器學(xué)習(xí)理論,提出了基于支持向量機(Support Vector Machine)的地震傷亡人數(shù)預(yù)測模型;首先利用主成分分析法(Principle Component Analysis)對7個地震死亡人數(shù)影響指標(biāo)進(jìn)行數(shù)據(jù)降維,然后對提取出的主成分進(jìn)行歸一化處理,將歸一化的主成分?jǐn)?shù)據(jù)作為預(yù)測模型的輸入向量,將地震傷亡人數(shù)作為預(yù)測模型的輸出向量;以27個地震傷亡實例作為學(xué)習(xí)樣本進(jìn)行訓(xùn)練,運用網(wǎng)格搜索法(Grid Search Method)尋優(yōu)獲得最優(yōu)支持向量機參數(shù),最終建立基于PCA-GSM-SVM的地震死亡人數(shù)預(yù)測模型,并對5組樣本進(jìn)行死亡人數(shù)預(yù)測。結(jié)果表明:PCA-GSM-SVM模型的最小誤差、最大誤差和平均誤差分別為5.12%、15.7%和9.16%,其平均誤差相比于GSM-SVM模型和SVM模型分別降低6.51%和7.11%,因此PCA-GSM-SVM模型預(yù)測精度較高,可在工程實際中推廣。
華北地震科學(xué)雜志要求:
{1}圖表設(shè)計恰當(dāng)，具自明性；先見引文，后見圖表；表名和圖名一律中英文并列。表格用三線表。
{2}來稿文責(zé)自負(fù)，所有作者應(yīng)對稿件內(nèi)容和署名無異議，稿件內(nèi)容不得抄襲或重復(fù)發(fā)表。
{3}嚴(yán)格參照學(xué)術(shù)期刊論文編排格式來稿，來稿前認(rèn)真校正錯字別字、專業(yè)術(shù)語、數(shù)字量詞、引文圖表、人名地名、標(biāo)點符號、年月時間涉嫌保密等。
{4}請勿一稿多投。請勿寄予個人。
{5}題目內(nèi)不應(yīng)列入非公知公用的符號、代號以及數(shù)學(xué)公式等。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
