基于PCA-GSM-SVM的地震伤亡人数预测

关键词：地震死亡人数 主成分分析法 网格搜索法 支持向量机 

摘要：针对影响地震伤亡人数的评价指标数量较多且各指标之间存在着复杂的非线性关系,运用机器学习理论,提出了基于支持向量机(Support Vector Machine)的地震伤亡人数预测模型;首先利用主成分分析法(Principle Component Analysis)对7个地震死亡人数影响指标进行数据降维,然后对提取出的主成分进行归一化处理,将归一化的主成分数据作为预测模型的输入向量,将地震伤亡人数作为预测模型的输出向量;以27个地震伤亡实例作为学习样本进行训练,运用网格搜索法(Grid Search Method)寻优获得最优支持向量机参数,最终建立基于PCA-GSM-SVM的地震死亡人数预测模型,并对5组样本进行死亡人数预测。结果表明:PCA-GSM-SVM模型的最小误差、最大误差和平均误差分别为5.12%、15.7%和9.16%,其平均误差相比于GSM-SVM模型和SVM模型分别降低6.51%和7.11%,因此PCA-GSM-SVM模型预测精度较高,可在工程实际中推广。

华北地震科学杂志要求:

{1}图表设计恰当，具自明性；先见引文，后见图表；表名和图名一律中英文并列。表格用三线表。

{2}来稿文责自负，所有作者应对稿件内容和署名无异议，稿件内容不得抄袭或重复发表。

{3}严格参照学术期刊论文编排格式来稿，来稿前认真校正错字别字、专业术语、数字量词、引文图表、人名地名、标点符号、年月时间涉嫌保密等。

{4}请勿一稿多投。请勿寄予个人。

{5}题目内不应列入非公知公用的符号、代号以及数学公式等。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社