主成分分析法和遗传算法优化的支持向量机模型在地震伤亡人数预测中的应用

作者：王晨晖,刘立申,任佳,袁颖,王利兵,陈凯男

摘要：为有效解决地震伤亡人数预测所需影响因子多、运算量大、模型训练烦琐等问题,构建了主成分分析法(PCA)和遗传算法(GA)优化的支持向量机(SVM)模型,采用PCA对地震伤亡人数影响因子进行降维以去除贡献率较低的主成分,将贡献率较大的主成分作为支持向量机的输入变量,以地震伤亡人数作为输出变量,利用GA对SVM模型性能参数进行优化,建立基于PCA-GA-SVM的地震伤亡人数预测模型,并对测试样本进行预测,结果表明:与SVM模型、GA-SVM模型和PCA-GA-BP模型相比,PCA-GA-SVM模型的预测准确率和运行效率分别提高4.73%、1.14%、9.99%和47.05%、36.76%、44.55%。结果显示,PCA-GA-SVM模型预测精度高,泛化能力强,能够科学合理地对地震伤亡人数作出预测。

发文机构：河北省地震局红山基准地震台 河北地质大学勘查技术与工程学院

关键词：地震伤亡人数预测主成分分析法遗传算法支持向量机Prediction of earthquake casualtiesPrincipal component analysisGenetic algorithmSupport vector machine

分类号： P315.7[天文地球—地震学]