【技术实现步骤摘要】
一种Bagging滑坡预报方法
[0001]本专利技术属于滑坡位移预测
,涉及一种Bagging滑坡预报方法。
技术介绍
[0002]地质灾害是在自然演变或人为因素的影响下,对人民生命财产有极大危害的自然现象,包括地震、泥石流、滑坡、崩塌、火山岩浆爆发等。我国幅员辽阔,地形条件复杂多样,尤其在山区等地,地质构造运动剧烈,同时由于居民对山区的改建等不合理的人类活动,地质灾害频繁发生。根据 2009-2018年我国灾害发生的相关数据的分类统计,国内滑坡灾害占总发生量的65%,因此预测滑坡灾害的发生是非常有必要的。我国对滑坡灾害的研究起步虽晚,但也已经取得不错的成果。但从已有的研究成果来看,多数研究人员选取了单一模型预测,存在精确度较低等问题。
技术实现思路
[0003]本专利技术的目的是提供一种Bagging滑坡预报方法,解决了现有技术中存在的精确度低的问题。
[0004]本专利技术所采用的技术方案是,一种Bagging滑坡预报方法,具体按照以下步骤实施:
[0005]步骤1、采用核主成分分析法进行滑坡成灾因子选取;
[0006]步骤2、利用步骤1得到的数据构建基于Bagging的滑坡地质灾害预报模型;
[0007]步骤3、采用XGBoost优化Bagging算法,完成滑坡预报。
[0008]本专利技术的特点还在于:
[0009]步骤1具体按照以下实施:通过核主成分分析法来筛选滑坡灾害的主要影响因子,对因子的重要性进行排序与选择,减少了模型训练中的时间 ...
【技术保护点】
【技术特征摘要】
1.一种Bagging滑坡预报方法,其特征在于,具体按照以下步骤实施:步骤1、采用核主成分分析法进行滑坡成灾因子选取;步骤2、利用步骤1得到的数据构建基于Bagging的滑坡地质灾害预报模型;步骤3、采用XGBoost优化Bagging算法,完成滑坡预报。2.根据权利要求1所述的一种Bagging滑坡预报方法,其特征在于,所述步骤1具体按照以下实施:通过核主成分分析法来筛选滑坡灾害的主要影响因子,对因子的重要性进行排序与选择,减少了模型训练中的时间及步数;由于高维空间中成灾因子的选取是一个非线性的问题,KPCA方法由于算法简单、重构误差较小且易解决非线性问题等优势,成为降维筛选的一种有效方法;筛选过程如下:假设样本集:X={x1,x2,
…
x
M
},其中x
k
∈R
N
为列向量;M为样本总数,协方差矩阵如式(1)所示;其中,为满足的非线性映射;对C进行特征分解:令λv=Cv;其中特征向量v是由组成的空间;当所有特征值λ≥0时,得到式(2)的表达式:式中:k=1,2,
…
,M,v
r
为的线性组合:定义M
×
M维矩阵K,定义内积为式中i,j=1,2,
…
,M,将式(1)和式(2)带入式(3)得:Mλ
r
c
r
=Kc
r
ꢀꢀꢀꢀꢀꢀ
(4)其中,Mλ
r
和c
r
是对应于K的特征值和特征向量;求得样本在特征向量的投影:式中,r=p,p+1,
…
,M,g(x)为对应于的非线性主元分量,所有投影形成一个矢量;求解g(x)时,利用Mercer定理,使用核函数:代替空间的点积运算,则:当的均值不为0时,空间样本变为将研究数据归一化后采用KPCA方法进行筛选;筛选步骤如下:
①
输入样本初始化,通过核函数式(6)计算矩阵K;
②
求解矩阵K/M的特征值λ1,λ2,
…
,λ
m
及特征向量α1,α2,
…
,α
m
;
③
选取与最大特征值对应的特征向量与输入的属性进行计算,得到主成分;由KPCA计算的特征值及主成分贡献率,按照式(9)、式(10)计算各成分的贡献率及累计贡献率;贡献率;3.根据权利要求2所述的一种Bagging滑坡预报方法,其特征在于,所述步骤2具体按照以下实施:假定最初的训练样本集为D={(x1,y1),(x2,y2),...,(x
n
,y
n
)};其中,n为训练样本的个数;训练阶段:
①
从训练样本集中随机提取m个作...
【专利技术属性】
技术研发人员:李丽敏,张明岳,温宗周,郭伏,陈曙东,张俊,何洋,魏雄伟,
申请(专利权)人:西安工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。