首页|基于BP神经网络及其改进算法的织机效率预测

基于BP神经网络及其改进算法的织机效率预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为准确预测纺织厂织布车间的织机效率,提出利用BP神经网络、主成分分析结合BP神经网络(PCA-BP)、遗传算法改进BP神经网络(GA-BP)3种模型预测织机效率,并将GA-BP预测模型与传统BP神经网络和PCA-BP预测模型的预测结果进行对比分析.结果表明:GA-BP对原始数据的拟合度最好,相关系数为0.94687,比BP增加了6.42％,比PCA-BP增加了2.61％;GA-BP、PCA-BP、BP这3种网络十万入纬的经停仿真值与期望值间的平均误差分别为0.3412、0.3031、0.2341,误差百分率分别为8.63％、7.67％、5.92％,不同网络结构下织机效率仿真预测值与期望值间的平均误差分别为3.0109、2.6884、2.1189,误差百分率分别为3.51％、3.13％、2.47％;3种模型的预测准确度顺序由大到小为GA-BP、PCA-BP、BP.
Prediction of loom efficiency based on BP neural network and its improved algorithm

张晓侠、刘凤坤、买巍、马崇启

展开 >

天津工业大学 纺织科学与工程学院,天津 300387

中国纺织信息中心,北京 100020

BP神经网络 遗传算法 主成分分析 预测模型 织机效率预测

2020

10.13475/j.fzxb.20190402507

纺织学报
中国纺织工程学会

纺织学报

CSTPCDCSCD北大核心EI
影响因子：0.699
ISSN：0253-9721
年,卷(期)：2020.41(8)
  • 6