資源描述：
《紡織學(xué)報(bào)論文模板》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、毛精紡前紡工藝參數(shù)重要性的BP網(wǎng)絡(luò)定量評價法小二黑體，居中，3倍行距劉貴收稿日期（黑體小五）：2007-03-10修回日期：2007-05-16（由編輯部填寫）基金項(xiàng)目（黑體小五）：國家經(jīng)貿(mào)委創(chuàng)新項(xiàng)目（02CJ-14-05-01）基金名稱（基金編號）(楷體小五)作者簡介（黑體小五）：劉貴（1983—），男，博士生。主要研究方向?yàn)槊徏庸み^程建模及其職能決策預(yù)報(bào)與控制。于偉東，通訊作者，E-mail:wdyu@dhu.edu.cn。第一作者姓名（出生年—），性別，職稱，學(xué)歷。主要研究方向。通訊作者姓名，E-mail。，于偉東1,2四號楷體，居中，單倍行距(1.東華大學(xué)紡織材料與技術(shù)實(shí)驗(yàn)室,
2、上?！?01620;武漢科技學(xué)院紡織與材料學(xué)院,湖北武漢 430073)小五號宋體，居中，單倍行距摘要摘要寫作方法：請用第三人稱的語氣陳述該文研究目的（即為了……，或者針對……問題，）、過程、方法（即采用的手段和方法）、結(jié)果和結(jié)論（即研究得出的結(jié)論），重點(diǎn)是結(jié)果和結(jié)論，背景信息、基本概念及對文章的自我評價不應(yīng)出現(xiàn)在摘要中，要達(dá)到只看摘要而不必看文章就可理解全文主要內(nèi)容的程度；摘要字?jǐn)?shù)應(yīng)控制在200～300字，英文要與中文相對應(yīng)。（小五黑體）在BP神經(jīng)網(wǎng)絡(luò)建模技術(shù)的基礎(chǔ)上,提出利用神經(jīng)網(wǎng)絡(luò)輸入層與輸出層之間的網(wǎng)絡(luò)權(quán)值及其分布來求各輸入?yún)?shù)重要程度的方法。將采集到的毛精紡企業(yè)前紡工藝參數(shù)運(yùn)用B
3、P神經(jīng)網(wǎng)絡(luò)分別建立了粗紗CV值和粗紗單重的預(yù)測模型。結(jié)果表明：所建模型的平均相對誤差都低于3%；采用樣本數(shù)據(jù)驗(yàn)證,其預(yù)報(bào)值與實(shí)測值間的相關(guān)系數(shù)都高于0.95。對所建模型的網(wǎng)絡(luò)權(quán)重進(jìn)行提取,分別計(jì)算出13個輸入?yún)?shù)對粗紗CV值和粗紗單重的重要性,挖掘出顯著而有效的參數(shù)。經(jīng)對比認(rèn)為，BP網(wǎng)絡(luò)法比多元回歸顯著性分析(MRSA)更為精準(zhǔn)，可用于對實(shí)際生產(chǎn)加工的預(yù)報(bào)和控制。（小五宋體）關(guān)鍵詞（小五黑體）毛精紡；前紡工藝參數(shù)；模型；BP神經(jīng)網(wǎng)絡(luò)；定量評價法（小五宋體）中圖分類號（小五黑體）：TS131.9（小五宋體）文獻(xiàn)標(biāo)志碼（小五黑體）：Quantitativeevaluationmethodfor
4、thesignificanceofworstedfore-spinningparametersbasedonBPneuralnetwork小四TimesNewRome,3倍行距LIUGui1，YUWeidong1,2（五號）(1.TextileMaterialsandTechnologyLaboratoryDonghuaUniversity,Shanghai 201620,China;2.DepartmentofTextilesandMaterials,WuhanUniversityofScienceandEngineering,Wuhan,Hubei 430073,China）小五，居中
5、AbstractBasedonBPneuralnetworkmodeltechnology,anewapproachwasdevelopedandappliedtoappraisetheinputparameters′significantdegreethroughtheweightinessanditsdistributionbetweentheinputandoutputlayer.Usingthefore-spinningworkingproceduredatagatheredfromtheworstedtextilesenterprise,therovingunevennessan
6、dweightpredictionmodelswereestablishedrespectively.Theresultsindicatedthatthemodels′meanrelativeerrorsarealllessthan3%;thecorrelationcoefficientR2betweenthepredictionvalueandtheactualareallmorethan0·95.Usingtheweightinessextractedfromtheestablishedmodels,the13inputparameters′significancetotherovin
7、gunevennessandweightwerecalculatedrespectively,andtheremarkableandeffectiveparametersareexcavatedout.Meanwhilecontrastingtothemultivariateregressionsignificanceanalysis(MRSA),theBPneuralnetworkmethodismoreexactth
