基于BP神经网络及其改进算法的织机效率预测

发布时间：2023-04-28 00:46

　　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(PCABP)、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0.946 87,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0.341 2、0.303 1、0.234 1,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3.010 9、2.688 4、2.118 9,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。

【文章页数】：7 页

【文章目录】：
1 影响因素的选择
2 BP神经网络
    2.1 确定输入输出参数
    2.2 确定隐含层节点数
    2.3 确定BP神经网络其他参数
3 主成分分析结合BP神经网络
4 遗传算法优化BP神经网络
    4.1 染色体编码
    4.2 适应度函数
    4.3 遗传操作
    4.4 参数设定
    4.5 遗传算法改进BP神经网络流程
5 仿真结果及分析
6 结论



本文编号：3803402