基于泥石流平均流速支持向量机预测模型研究.pdfVIP

第24卷增刊 中国地质灾害与防治学报 V01．24S TheChinese 2013年4月 Journalof HazardandControl Geological Apr．2013 基于泥石流平均流速的支持向量机预测模型研究 于国强1’2，张茂省1，王根龙1 (1．中国地质调查局西安地质调查中心，陕西西安710054；2．西北大学地质学系，陕西西安710069) 摘要：支持向量机是基于统计理论和结构风险最小化原则的学习方法，在非线性回归预测方面具有良好外推能力，尤 其适合小样本统计学习问题。建立支持向量机预测模型，对蒋家沟泥石流平均流速进行预测，将预测结果和实测值 对比分析，验证了支持向量机预测模型具有较强的外推能力和预测计算的有效r胜，以深入探求黏性泥石流平均流速 及影响因素裰合关系。结果表明，支持向量机预测模型具有较高的预测精度，可以很好地描述泥石流复杂的非线性 关系；各因子之间相互作用影响，形成了复杂的耦合关系，将这种方法结合运用到泥石流动态预测中是切实可行的， 是对传统泥石流研究方法的补充与完善，为泥石流防治提供了精确的科学依据。 关键词：泥石流；蒋家沟；支持向量机；预测模型 文章编号：1003—8035(2013)SI一0169．04中图分类号：P642．23 文献标识码：A 流研究的预测模型，为泥石流防治提供了更精确的科 0 引言 学依据。 泥石流是山区常见自然灾害，往往暴发突然，破 1材料与方法 坏力强，来势凶猛，其灾害问题十分突出，严重威胁山 区的人民的生命财产和经济建设。在泥石流规模和 1．1研究区概况 强度预测研究中，泥石流平均流速是泥石流防治工程 云南东川蒋家沟每年都暴发多次泥石流，是世界 中一个重要参数‘1o，在泥石流多发地带，对平均流速 上著名的泥石流沟。蒋家沟位于云贵高原北部，乌蒙 的预测具有重要意义。由于泥石流启动、运动和形成 山脉西缘，地貌上属高山峡谷类型，岩层破碎，新构造 过程受诸多随机因素制约，具有明显非线性、复杂性 运动活跃，地震活动强烈。蒋家沟滑坡、崩塌非常活 等特征，所以很难建立起动力学方程来体现泥石流过 跃，有大量松散固体物质。其流域面积48．5kin2，地 程，难以具有普适性¨1。为了克服以上方法的缺点， 势东高西低，相对高差2200m。每年向小江输送泥 许多学者将GIS、遥感、模糊数学、灰色系统以及人工 神经网络(ANN)等理论与技术”“1应用到泥石流预沟以每年暴发规模大、次数多、历时长和危害大而独 测研究中，提高了泥石流预测结果的科学性和可 具代表性，被誉为“泥石流天然博物馆”。 靠性。 1．2支持向量机的基本理论及算法 支持向量机(SVM)作为一种新型机器智能学习 支持向量机是通过用内积函数定义的非线性转 语言，主要用于非线性函数拟合、模式识别。早期的 换，将输人数据变换到一高维空问，在高维空间中寻 模式识别研究，已有着成功的应用基础；与模式识别 求输入、输出变量间的非线性关系。SVM采用结构 相比，支持向量机函数拟合应用相对较少。1…。与神 风险最小化原则，具有较强泛化能力，保证全局最优 经网络相比，支持向量机是基于统计学理论的小样本 解；能很好地解决高维数、非线性、小样本等实际 学习方法，采取结构风险最小化原则，具有良好的泛 收稿日期：2013-02—28 化性能¨¨151。本研究采用支持向量机函数拟合方法 预测泥石流平均流速，其二次优化问题通过MATLAB