全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

基于GIS和PSOSVM模型的文山州石漠化风险评估

, PP. 19-24

Keywords: 喀斯特石漠化,风险评估,粒子群优化(PSO)算法,支持向量机(SVM),GIS

Full-Text   Cite this paper   Add to My Lib

Abstract:

针对喀斯特石漠化风险评估影响因素较复杂且涉及众多地理空间对象的特点,本文在采用GIS技术对空间数据进行管理分析的基础上,提出了基于粒子群优化的支持向量机(PSOSVM)的石漠化风险评估模型,分析了基于GIS的石漠化风险评估指标体系的建立过程,详细探讨了主成分分析与支持向量机模型相结合进行石漠化风险评估的方法与实现过程,并以云南省文山州为研究实例,将其与单独SVM模型和PSOBP模型风险评估结果进行了对比分析,结果表明PSOSVM模型的石漠化风险评估精度较高,效果更好。

References

[1]  ZK(#〗中国科学院地学部.关于推进西南岩溶地区石漠化综合治理的若干建议\[J\].中国科学院院刊,2003,18(4):165-169.
[2]  王世杰.喀斯特石漠化概念演绎及其科学内涵的探讨\[J\].中国岩溶,2002,21(2):101-105.
[3]  王世杰,李阳兵,李瑞玲.喀斯特石漠化的形成背景、演化与治理\[J\].第四纪研究,2003,2(6):657-666.
[4]  苏维词.中国西南岩溶山区石漠化的现状成因及治理的优化模式\[J\].水土保持学报,2002,16(2):29-32.
[5]  周忠发.贵州高原喀斯特石漠化遥感调查研究——以贵州省清镇市为例\[J\].贵州地质,2001,18(12):93-98.
[6]  闫满存,王光谦,刘家宏.基于GIS的澜沧江下游区滑坡灾害危险性分析\[J\].地理科学,2007,27(3):365-369.
[7]  伊元荣,海米提·依米提,王涛,等.主成分分析法在城市河流水质评价中的应用\[J\].干旱区研究,2008,25(4):497-501.
[8]  邓乃扬,田英杰.数据挖掘中的新方法——支持向量机(第2版)\[M\].北京:科学出版社,2004:25-30.
[9]  Shi,Y.,R.C.Eberhart.A modified particle Swarm optimizer\[A\].In Proceedings of IEEE International Conference on Evolutionary Computation\[C\].Anchorage,Alaska,USA,1998:69-73.
[10]  \[10\]Wan,V.,W.M.Campbell.Support vector machines for speaker verification and identification\[A\].In Neural Networks for Signal ProcessingProceedings of the IEEE Signal Processing Society Workshop\[C\].Sydney,Australia,2000:775-784.
[11]  唐川,朱大奎.基于GIS技术的泥石流风险评价研究\[J\].地理科学,2002,22(3):300-304.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133