基于PSO优化的SVM算法在洪水灾情评价中的应用
针对SVM方法的参数(核参数与惩罚因子)难以选择的问题,利用具有全局搜索性能的PSO算法快速优化SVM参数以确定最佳的参数组合,避免了交叉验证试算的随机性,实现了参数选择的自动化,将构建的PSO-SVM模型应用于洪水灾情评价中,建立基于PSO-SVM的洪水灾情评价模型,并与实例和其他评价方法进行了比较;结果表明,与洪灾评估法、神经网络和常规SVM模型相比,PSO-SVM模型能提高参数寻优速率和模型分类准确度,快速确定SVM最佳参数组合,并能准确划分洪灾灾情的等级,所得结果与传统评价方法完全吻合,且整个运算过程仅用了3.35s,大幅缩短了试验时间;新方法能够很好地对灾情进行有效的评价,可应用于洪水灾情评价中.
洪水灾情 评价指标 支持向量机 粒子群算法 参数优化
康有 陈元芳 顾圣华 姚欣明
河海大学水文水资源学院,江苏南京210098;安徽淮河水资源科技有限公司,安徽蚌埠233000 河海大学水文水资源学院,江苏南京210098 上海市水文总站,上海200232
国内会议
安徽蚌埠
中文
184-191
2013-12-23（万方平台首次上网日期，不代表论文的发表时间）