计算机与现代化 ›› 2024, Vol. 0 ›› Issue (05): 33-37.doi: 10.3969/j.issn.1006-2475.2024.05.007
摘要: 摘要:随着科学技术的发展,人类在山区的工程活动越来越频繁,这加剧了山洪灾害的发生频率。准确及时预测出山洪灾害发生的可能性,对于保证工程安全、降低经济损失、提高人员安全防范能力具有重要意义。将人工智能算法应用于山洪灾害预测成为当下研究者们关注的焦点。为了解决当下山洪诱发因素敏感性差异导致的预测精度不足、小样本数据引起的模型拟合效果欠优以及非线性模型参数不易确定等问题,将主成分分析与ν支持向量机相结合对山洪发生进行预测,通过人工鱼群算法扩大粒子群算法中粒子的搜索范围和速度,并利用改进粒子群算法对支持向量机参数进行寻优,建立AFSPSO-ν-SVM山洪灾害概率预测模型。通过实验对比了本文模型与BL模型、ν-SVM模型、PSO-ν-SVM模型的性能,结果表明,本文模型误差最小且速度最快。本文研究为山洪预报预警领域研究提供了一种新的思路。
中图分类号: