基于优化核极限学习机的泥石流危险性评估

摘要：

山区环境中泥石流的孕育受多种因素的影响,为提高泥石流危险性的预测精度,提出一种萤火虫算法(firefly algo-rithm,FA)优化核极限学习机(kernel based extreme learning machine,KELM)的预测模型.首先,针对数据维度爆炸的问题,通过主成分分析(principal component analysis,PCA)数据降维,使得留有大部分致灾特征信息的因子输入训练模型;然后,使用萤火虫优化算法更新核极限学习机的参数,将四川省北川县监测数据输入优化后的预测模型,并与其他传统机器学习算法进行对比分析,验证该算法的优越性;最后,使用多种指标综合评估模型的预测效果.结果表明,FA-KELM模型能够有效地简化数据结构,提高泥石流危险性预测的准确性,为泥石流灾害预测方面的研究提供参考和借鉴.

关键词：泥石流、主成分分析、核极限学习机、萤火虫优化算法

所属期刊栏目：23

分类号：P642.23(水文地质学与工程地质学)

资助基金：陕西省自然科学基础研究计划项目;陕西省技术创新引导专项;陕西省技术创新引导专项

在线出版日期：2023-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：528-535