基于粒子群BP神经网络的质量预测模型

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

所属期刊栏目：15

分类号：F273.2(企业经济)

资助基金：国家自然科学青年基金资助项目71002046;江苏省教育厅高校哲学社会科学研究基金资助项目2012SJB630017

在线出版日期：2013-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：17-20,27