基于改进BP神经网络的废旧产品再制造成本预测

发布时间：2022-01-24 21:40

　　为有效、准确地预测再制造成本,开发了一种基于改进BP神经网络的再制造成本预测模型。进行再制造成本构成分析,运用决策试验和评估实验室（DEMATEL）方法进行关键影响因素识别;在此基础上,利用基于粒子群算法改进的BP神经网络方法实现成本预测。通过案例研究,验证了所提出的模型的可行性。结果表明:所提出的方法能够准确地预测再制造的成本,为废旧产品的可再制造性评估提供了参考。 

【文章来源】：机床与液压. 2020,48(19)北大核心

【文章页数】：6 页

【部分图文】：

废旧产品再制造成本预测模型总体框架

BP神经网络是单向传播的多层网络,分为输入层、隐含层和输出层3个层次,分为前向和后向传播。通过前向传播和后向传播误差可以调整每层的权重,权重调整过程就是BP神经网络的学习和训练过程。减少输出误差的过程是一个循环的往复运动,直到达到终止条件。图2是本文作者设计的神经网络预测模型。输入层有n个节点,分别对应选定的n个影响因子。为使数据具有典型而优秀的泛化能力,对数据样本进行归一化处理。归一化公式如下:

图3 粒子群优化神经网络算法流程

【参考文献】：
期刊论文
[1]基于DEMATEL方法的乡村旅游发展影响因素研究[J]. 卢小丽,赵越,王立伟.  资源开发与市场. 2017(02)
[2]基于支持向量机的机电产品再制造成本预测方法[J]. 向红,夏绪辉,王蕾,江志刚.  机械设计与制造. 2016(04)
[3]基于BP神经网络的高精度基波频率检测方法研究[J]. 邢晓敏,刘洪涛,丁震宇,商国敬.  东北电力大学学报. 2015(01)
[4]基于线性回归模型的机电产品再制造费用预测[J]. 刘志峰,毕道坤,刘涛.  机械设计与制造. 2011(09)
[5]发展再制造工程 促进循环经济建设[J]. 徐滨士.  中国设备工程. 2005(02)

博士论文
[1]废旧机床再制造性评估与再制造工艺方案决策方法研究[D]. 张旭刚.武汉科技大学 2014



本文编号：3607347