基于不确定多分类支持向量机在滑坡危险性预测的应用.pdf

1、滑坡灾害是破坏性最大的自然灾害类型之一，其运动速度快、分布地区广且发生受多种因素影响，也加大了对其危险性预测的难度。我国滑坡灾害更加严重，每年由其导致的财产损失总额达数百亿元，人员伤亡总数约数千人，不仅严重危害着我国的经济建设，而且极大的威胁着人民的生命安全。因此，选择高效、科学的滑坡危险性预测方法对其未来的研究具有重要的指导意义和实践意义。
　　目前基于数据挖掘分类技术的滑坡预测方法有许多，支持向量机就是其中一项有效的分类算法，

2、它能够较好的解决高维、非线性分类问题，且具有简单明了的数学模型和牢固的理论基础，已经广泛的应用在了地质灾害预测研究方面。由于滑坡灾害的发生受到多种因素的影响，其中除了基本因素之外，还存在诱发因素（降雨），降雨为不确定属性值，其值在一区间范围内，不能精确为某一值。而传统的基于SMO算法的支持向量机是针对确定数据进行分类研究的，对于不确定数据降雨量不能进行较好的处理，致使传统分类方法在滑坡灾害的预测方面精度偏低。
　　针对上述问题，本

3、文利用不确定数据的均值和方差构造超椭球结构，对不确定数据降雨量进行处理，结合传统基于SMO算法的支持向量机理论，引入不确定多分类支持向量机算法；设计基于不确定多分类支持向量机的滑坡危险性预测模型，把评价因子中的不确定数据降雨量和其他确定数据带入模型，由此构成的空间超椭球结构简化为空间线段，模型中加入核函数，并且利用网格搜索和粒子群优化算法相结合的方法对模型参数进行寻优确定，通过对空间线段的迭代优化寻找出最优分类面，然后对滑坡危险性等级进