10.3321/j.issn:0254-3087.2006.04.014
光谱油样分析数据的神经网络多变量预测技术
针对非等间隔的受加油因素影响的光谱油样分析数据的建模预测问题,利用人工神经网络高度的并行分布式、联想记忆能力、自组织学习能力和极强的非线性映射能力,建立了BP神经网络的多变量预测模型.同时,用遗传算法对网络参数进行了优化.最后,利用两组实际的航空发动机油样光谱分析数据对模型进行了验证.结果表明,提出的神经网络多变量预测模型能有效解决实际的受多因素影响的油样分析数据建模问题,具有较强的工程实用价值和通用性.
油样分析、多变量预测、非等间隔、加油、BP神经网络、遗传算法
27
O329;F201(振动理论)
2006-05-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
389-393