10.19554/j.cnki.1001-3563.2023.15.023
人工神经网络在不同蓄冷剂参数下保温性能评估的应用
目的 利用不同人工神经网络算法预测不同蓄冷剂参数下冷链保温箱保温时间,以寻找最适合评估其保温性能的人工神经网络.方法 将实验数据以 4∶1 的比例分别随机分配训练、测试的样本,分别建立BPNN、RBFNN与GRNN这 3 种人工神经网络模型,并提出判定系数(R2)、平均绝对误差(MAE)与均方误差(MSE)这 3 个评价标准.通过算法获得保温时间预测值和评价标准具体值,并且利用随机漫步算法对性能最好的神经网络进行优化.结果 通过R2、MAE和MSE这3 个神经网络评价标准以及保温时间的实际值与预测值的对比图,得出RBFNN神经网络的性能最佳、精度最准、拟合最好,它的R2远高于GRNN和BPNN神经网络的,并且MSE值和MAE值远低于GRNN和BPNN神经网络的,3 个评价指标分别达到0.999 93、0.009 63 和0.062 86.优化后的Random-Walk-RBFNN的性能进一步提高,R2 提升了0.004%,MSE值、MAE值和运行时间分别下降了 60.02%、34.20%和 5.29%.结论 RBFNN神经网络各方面最为突出,更适合用于冷链保温箱保温性能评估,而优化后的Random-Walk-RBFNN性能更优,R2 进一步提升,MSE值、MAE值和运行时间进一步下降,评估性能更好.
冷链保温箱、蓄冷剂、人工神经网络、均方误差
44
TB485.3;TP183(工业通用技术与设备)
高水平大学科建设医工交叉创新项目10-22-309-501
2023-08-17(万方平台首次上网日期,不代表论文的发表时间)
共9页
175-183