It improves the precision of prediction to the yarn breaking rate in ANN model effectively.
基于数据挖掘中的关联概念,提出了一种针对神经网络预测模型训练参数的选择方法,有效地提高了神经网络模型在毛纺工艺中对纱线断头率的预测精度;该方法通过生产中的训练参数记录进行关联规则的提取,可快速的排除产生负面影响的训练参数,迅速选择可以提高预测精度的训练参数,从而达到提高神经网络模型预测性能的目的;实验证明,利用关联算法进行参数配置,可以有效提高神经网络输入模型的预测精度。
Three models to predict the yarn unevenness value (CV), breaking strength (BS) and ends down in spinning (ED) have been established and compared with the multivariate linear regression method.
通过建立BP神经网络模型对细纱条干不匀率(CV)、断裂强力(BS)与纺纱断头率(ED)进行预报,并与多元线性回归方法进行比较,验证了BP神经网络预报的准确性与高效性。
