基于SVM-LR融合模型的滑坡災(zāi)害易發(fā)性評(píng)價(jià)——以山陽縣為例
【文章頁數(shù)】:8 頁
【部分圖文】:
圖1研究區(qū)地理位置以及滑坡分布
對(duì)于非線性支持向量機(jī)而言,需要引入核函數(shù)、松弛變量ξ與懲罰因子C。核函數(shù)就是通過引入一個(gè)映射函數(shù),將樣本特征屬性從低維空間映射到高維空間,進(jìn)而將非線性分類問題轉(zhuǎn)化為高維空間中的線性分類問題。松弛變量ξ大小代表樣本點(diǎn)離群的遠(yuǎn)近;ξ越大,代表樣本點(diǎn)離群越遠(yuǎn);懲罰因子C的大小代表離群樣....
圖2評(píng)價(jià)因子圖層
滑坡發(fā)生受多種因素的影響,各因素之間往往存在相互制約或者促進(jìn)的關(guān)系。例如,高程高往往水系不發(fā)育,植被發(fā)育往往地形濕度較大等。各因素間存在較強(qiáng)的非線性或者線性相關(guān),往往會(huì)增加樣本數(shù)據(jù)的冗余度,導(dǎo)致模型運(yùn)行速率大大降低,而且得到的模型容易出現(xiàn)過擬合現(xiàn)象,影響預(yù)測(cè)結(jié)果的可靠性;诖,....
圖3基于邏輯回歸模型的研究區(qū)滑坡易發(fā)性評(píng)價(jià)區(qū)劃圖
將訓(xùn)練樣本集以及對(duì)應(yīng)的標(biāo)簽按照規(guī)定的數(shù)據(jù)格式代入R語言邏輯回歸數(shù)據(jù)包進(jìn)行模型訓(xùn)練,再將測(cè)試樣本集以及對(duì)應(yīng)標(biāo)簽代入訓(xùn)練好的模型,得到模型的預(yù)測(cè)正確率為71.34%。隨后將研究區(qū)屬性數(shù)據(jù)代入模型中,得到研究區(qū)滑坡易發(fā)性指數(shù)(LSI),其取值范圍為0.010~0.930,同樣按自然間斷....
圖4基于支持向量機(jī)模型的研究區(qū)滑坡易發(fā)性區(qū)劃圖
采用10折交叉驗(yàn)證法對(duì)支持向量機(jī)模型的參數(shù)進(jìn)行優(yōu)化選取,得到最優(yōu)參數(shù)組合ξ、C分別為0.25、1.37。將最優(yōu)參數(shù)組合代入R語言e1071數(shù)據(jù)包SVM模型中對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練,并對(duì)測(cè)試樣本數(shù)據(jù)進(jìn)行預(yù)測(cè),得到模型的預(yù)測(cè)正確率為70.87%。同樣將研究區(qū)屬性數(shù)據(jù)代入模型中,得到研究區(qū)....
本文編號(hào):3997291
本文鏈接:http://www.lk138.cn/guanlilunwen/gongchengguanli/3997291.html