基于遗传算法优化的BP神经网络对面料悬垂系数的预测及分析

摘要

通过对面料悬垂系数的精确预测，实现面料悬垂性虚拟化的初步研究。回归分析等方法虽实现了部分悬垂指标的预测，但其存在预测准确性不高，部分指标无法计算的问题。为此，提出了一种基于遗传算法优化BP神经网络(GA-BP神经网络)的新方法，从面料数据库中选取100块纯棉机织面料样本，其中训练样本80块，测试与验证集各10块，通过遗传算法优化神经网络的参数，采用相关性分析优化样本输入参数，以此提高模型的预测能力。10块测试样的悬垂系数预测结果表明，与传统BP神经网络相比，GA-BP神经网络平均绝对百分比误差从12.74%降到了7.03%,同时，利用经验公式判断误差循环获取了最佳的隐含层节点数为9。研究表明，GA-BP神经网络能够有效提升面料悬垂性预测的准确度，对于面料悬垂性的虚拟化表现具有重要的应用价值。

关键词

悬垂系数 / 面料数据库 / 神经网络 / 遗传算法