基于主成分分析与BP神经网络预测织机效率

发布时间：2021-06-06 17:06

　　为降低企业生产成本,通过对生产工艺参数进行调整,提出一种织机效率预测模型。该模型将主成分分析与BP神经网络结合,先用主成分分析法对影响织机效率的众多因素进行预处理,降低原变量的维数,消除原变量之间的相关性。然后再将经过预处理的主成分作为神经网络的输入,这样不仅简化网络结构,还能提高网络稳定性。经过仿真,结果表明,PCA-BP比BP神经网络相关系数高;十万纬经停仿真,PCA-BP比BP神经网络预测误差减小了11.28%;织机效率仿真,PCA-BP比BP神经网络预测误差减小了64.92%。 

【文章来源】：天津纺织科技. 2020,(05)

【文章页数】：5 页

【部分图文】：

前馈神经网络输出

PCA-BP神经网络输出

【参考文献】：
期刊论文
[1]基于BP和RBF神经网络的表面质量预测研究[J]. 彭彬彬,闫献国,杜娟.  表面技术. 2020(10)
[2]基于改进的BP神经网络对轮轨力测量技术的探析[J]. 王秋鹏.  农家参谋. 2020(23)
[3]基于BP和SOM神经网络相结合的电力负荷预测研究[J]. 易礼秋.  科技创新与应用. 2020(28)
[4]基于灰色-BP网络以及马尔科夫算法的天然气年消费量预测[J]. 刘卓良,彭喜亮,潘振,刘培胜.  当代化工. 2020(09)
[5]基于BP神经网络及其改进算法的织机效率预测[J]. 张晓侠,刘凤坤,买巍,马崇启.  纺织学报. 2020(08)
[6]山东省纺织服装行业发展现状及趋势分析[J]. 张洪梅.  中国纤检. 2018(03)
[7]基于BP神经网络的国际服装流行色短期预测[J]. 常丽霞,高卫东.  毛纺科技. 2018(02)
[8]基于Ga-BP神经网络的色纺纱配色[J]. 马崇启,王玉娟,刘建勇,程璐.  天津工业大学学报. 2016(06)
[9]基于BP神经网络预测普梳纯棉纱断裂强力[J]. 杨陈.  山东纺织科技. 2015(06)
[10]基于遗传——模糊算法的纹织物聚类分色探讨[J]. 陈敏,罗炳金.  天津纺织科技. 2015(03)

硕士论文
[1]基于聚类的BP神经网络在织物染色计算机配色中的应用研究[D]. 司学锋.青岛大学 2009
[2]基于神经网络技术的毛精纺织造虚拟加工系统[D]. 王玉亮.东华大学 2005
[3]基于主成分分析的综合评价研究[D]. 张鹏.南京理工大学 2004



本文编号：3214799