基于PSO-LSSVM的广西花岗岩分布区滑坡易发性评价

广西花岗岩分布区地质构造复杂,岩体风化严重,滑坡灾害较为频繁.提出一种粒子群算法优化的最小二乘支持向量机(particle swarm optimization-least squares support vector machine,PSO-LSSVM)模型对该地区滑坡易发性进行评价.首先,利用灰色关联度分析(grey relation analysis,GRA),从高程、坡度、地质构造、断裂带密度、植被覆盖率、年均降雨量、日均降雨量、岩土特性8种因子中提取出对滑坡发生影响较大的诱发因子,将其作为LSSVM模型的输入;其次,针对LSSVM存在过拟合的问题,使用PSO对LSSVM模型的惩罚因子γ、核参数σ进行了优化,能够更有效地减少LSSVM陷入局部最优解的情形.将PSO-LSSVM应用到该地区滑坡灾害的易发性评价中,模型预测结果与实际值基本一致.最后,将PSO-LSSVM模型与遗传算法优化的LSSVM模型(genetic algorithm-least squares support vector machine,GA-LSSVM)和LSSVM模型进行对比,从实验结果得出PSO-LSSVM模型的平均绝对误差和均方根误差均小于其他两种模型,拟合优度为93.6%,评价结果具有较高的精度,为广西地区滑坡灾害易发性评价提供了新思路.