改进粒子群优化神经网络及其在产品质量建模中的应用 Improved particle swarm optimized back propagation neural network and its application to production quality modeling.pdfVIP

第30卷第lO期 北 京 科 技 大 学 学 报 V01．30No．10 of 2008年10月 of Scienceand Oct．2008 JournalUniversity TechnologyBeUing 改进粒子群优化神经网络及其在产品质量建模中的应 用 王建国1·2’ 阳建宏1’ 云海滨2’ 徐金梧1’ 1)北京科技大学机械工程学院，北京1000832)内蒙古科技大学机械工程学院．包头014010 擒要针对传统神经网络优化算法易陷入局部最优值的问题，在标准粒子群算法的基础上，对粒子速度与位置更新策略进 行改进，提出一种基于改进粒子群优化算法的BP神经网络建模方法．使用sine函数、波士顿住房数据及某钢厂带钢热镀锌生 产的实际数据进行验证．结果表明。与标准的反向传播神经网络和支持向量机相比，基于改进粒子群优化的神经网络模型可 以有效提高预测精度． 关键词BP神经网络；粒子群优化算法；产品质量模型；带钢热镀锌 分类号TPl83 swarm back neuralnetworkandits Improvedparticle optimizedpropagation ap- to plicationproductionqualitymodeling WANGJiangu01·∞。YANGJianhong”，YUNHaibin∞。XUJinwul) 1)SchoolofMechanical ofScienceandTechnology Engineering。University B蜘illg．Beij啦!00083，China ofScienceand Inner 2)MechanicalEngineeringSchool，UniversityTechnologyMongolia．Baotou014010．China ABSrRACT of local Inordertosolvethedifficulties to inconditional forback tendencyoptima optimizationalgorithmspropagation neural inthe for the and a network(BPNN)。withimprovementsstrategyupdatingparticle’svelocitylocation，thispaper proposed on newback neuralnetwork methodbased swarm datafromsincfunction， propagation modeling improvedparticle optimization．The Boston andthereal inanironandsteel wereusedforverification． housingproblem striphot—dipgalvanizingproduction corporation TheresultsshoW withthestandardBPNNand vectormachine methodcaneffective． that。compared support algorithms，thepropo献l