基于粒子群BP神经网络的质量预测模型
徐兰1
方志耕2
刘思峰2
1.南京航空航天大学经济与管理学院,江苏南京210016;江苏科技大学经济管理学院,江苏镇江2120032.南京航空航天大学经济与管理学院,江苏南京,210016
摘要：为了对产品质量进行预测控制、辅助新产品开发设计、寻找最优参数,将测试样本的网络输出值与真值之间的灰色关联度作为目标函数,采用粒子群算法优化了BP神经网络的权系数和阈值,构建了基于粒子群神经网络的质量预测模型.所提出的PSO-GRG算法解决了一般BP算法迭代速度慢,且易出现局部最优的问题,并以注塑件质量预测为例,进行算法实现,仿真结果表明本文所提出的PSO-GRG算法比BP算法迭代次数减少了87.5％,并避免了局部最优,且预测误差亦明显减少.得出结论:所构建的质量预测模型具有较高的预测精度和研究价值.
关键词：粒子群算法BP神经网络质量预测灰色关联度
分类号：F273.2(企业经济)
资助基金：国家自然科学基金(71002046)江苏省教育厅高等学校哲学社会科学研究项目(2012SJB630017)
论文发表日期：2012-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 17-20,27 )
英文信息