GM(1,N)优化BP神经网络的水泥抗压强度预测模型
宋赛卫
程科
姜元昊
江苏科技大学计算机学院 镇江 212100
摘要：水泥抗压强度是衡量水泥质量的重要指标之一,为了提升对水泥抗压强度的预测的准确程度,设计了一种GM(1,N)优化的BP神经网络预测模型,该模型的训练分为独立预训练阶段和后置混合优化阶段.独立预训练阶段中,BP神经网络预测模型和GM(1,N)预测模型被各自独立训练,两个模型所产生的结果在后置混合优化阶段被差分进化算法加权优化,从而进一步提升预测的准确性.结果显示,相较于单独使用BP神经网络与GM(1,N)预测模型,论文所设计的模型的均方误差平均降低了37.96%,说明所提出的方法能有效地对水泥成分信息实施数据挖掘,并提升对水泥抗压强度的预测准确程度.
关键词：水泥抗压强度BP神经网络灰色关联度差分进化
分类号：O141.4(数理逻辑、数学基础)
论文发表日期：2025-05-20
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( 1317-1321 )
英文信息