基于PSO-SVM的鹤盛溪流域山洪风险评价

doi:10.3880/j.issn.1004-6933.2024.02.007

首页 > 过刊浏览>2024年第40卷第2期 >46-54. DOI:10.3880/j.issn.1004-6933.2024.02.007

PDF HTML阅读 XML下载导出引用引用提醒

基于PSO-SVM的鹤盛溪流域山洪风险评价

DOI:

10.3880/j.issn.1004-6933.2024.02.007

作者:

作者单位:

(1.天津大学水利工程仿真与安全国家重点实验室,天津 300350;2.天津大学建筑工程学院,天津 300350;3.天津理工大学海洋能源与智能建设研究院,天津 300384;4.温州市水文管理中心,浙江温州 325000 )

作者简介:

王如锴(1995—),男,博士研究生,主要从事防洪减灾及水利信息化研究。E-mail:rukaiwang@tju.edu.cn 通信作者:苑希民(1968—),男,教授,博士,主要从事防洪减灾及水利信息化研究。E-mail:yxm@tju.edu.cn

通讯作者:

中图分类号:

基金项目:

国家重点研发计划项目(2022YFC3202501)；水利部重大科技项目(SKS-2022002)；科技部重点领域创新团队项目(2014RA4031)；国家自然科学基金委创新团队项目(51621092)

Risk assessment of torrential floods in the Heshengxi Watershed based on PSO-SVM

Author:

Affiliation:

(1.State Key Laboratory of Hydraulic Engineering Simulation and Safety, Tianjin University, Tianjin 300350, China;2.School of Civil Engineering, Tianjin University, Tianjin 300350, China;3.Ocean Energy and Intelligent Construction Research Institute, Tianjin University of Technology, Tianjin 300384, China;4.Wenzhou Hydrological Management Center, Wenzhou 325000, China)

Fund Project:

摘要

图/表

访问统计

参考文献

相似文献

引证文献

文章评论

摘要:

为探究温州市鹤盛溪流域山洪风险空间分布,综合考虑山洪致灾因子、孕灾环境和承灾体3方面的山洪影响因子,建立基于粒子群优化-支持向量机(PSO-SVM)混合算法的山洪风险评价模型。选取准确度、灵敏度、特异性、F-score值、Kappa系数和受试者工作特征曲线等6个指标,采用学习矢量量化(LVQ)算法量化山洪影响因子对山洪灾害发生的影响程度,并将PSO-SVM混合算法模型与单一算法模型进行对比。结果表明:混合算法具有一定的迁移能力,能够更加准确地反映山洪风险的空间分布特征；验证集受试者工作特征曲线指标、Kappa系数和准确度分别为0.934、0.833、0.912,PSO-SVM混合算法模型能显著提高山洪风险评价精度。

Abstract:

To explore the spatial distribution of torrential flood risk in the Heshengxi Watershed of Wenzhou City, a risk assessment model of torrential flood based on particle swarm optimization-support vector machine

参考文献

相似文献

引证文献

引用本文

王如锴,练继建,苑希民,等.基于PSO-SVM的鹤盛溪流域山洪风险评价[J].水资源保护,2024,40(2):46-54.(WANG Rukai, LIAN Jijian, YUAN Ximin, et al. Risk assessment of torrential floods in the Heshengxi Watershed based on PSO-SVM[J]. Water Resources Protection,2024,40(2):46-54.(in Chinese))

复制

文章指标

点击次数:
下载次数:
HTML阅读次数:
引用次数:

历史

收稿日期:2023-04-29
最后修改日期:
录用日期:
在线发布日期: 2024-03-25
出版日期:

引用本文

分享

文章指标

历史