基于GRA-GA-BP神经网络的家居服面料透气性能预测OA北大核心CSTPCD
本文构建了一种改进BP神经网络模型来预测家居服面料的透气性能,能为家居服设计提供重要的参考。首先,采用灰色关联分析法(Grey Relation Analysis,GRA),选择与透气率关联度较大的因素作为研究对象。其次,采用遗传算法(GA)优化BP神经网络的结构参数,构建基于灰色关联分析的遗传算法优化BP(GRA-GA-BP)神经网络预测模型。选取58种面料成分不同、织物组织各异的家居服面料,其中42种为模型训练样本,16种为测试样本对建立的模型进行验证。实验结果表明,透气率实测值与预测值平均相对误差为8.39%;对透气率实测值与预测值进行相关性分析,拟合优度R^(2)为0.976。研究表明,该预测模型预测效果良好、预测精度高,在一定程度上可以精准预测家居服面料的透气率。
王彬霞;王春红;陈雅颂;周金香;殷兰君;杨道鹏;
天津工业大学纺织科学与工程学院,天津300387 天津工业大学教育部与天津市共建先进复合材料重点实验室,天津300387 天津工业大学中空纤维膜材料与膜过程重点实验室,天津300387天津工业大学数学科学学院,天津300387深圳全棉时代科技有限公司,深圳518109绍兴中纺联检验技术服务有限公司,浙江绍兴312000
轻工业
织物家居服灰色关联分析改进BP神经网络透气性预测
《丝绸》 2024 (010)
P.46-52 / 7
国家自然科学基金项目(52203276)。
评论