纺织学报论文模板.docVIP

批注［fl］: 批注［fl］:小二黑体,居中.3倍行距 批注［f2k四号楷体，居中,单倍行 距 批注 冋:小五号宋体,居中，单倍 行距 批注㈣:摘要写作方法:请用第- 人称的语气陈述该文研究FI的（即为 了……，或者针対……问懸，）、过程、 方法（即采用的手段和方法）、结果 和结论（即研究得出的结论）,重点 是结果和结论，背景信息、基本槪念 及对文章的自我评价不应出现在摘 要中，要达到只看摘要而不必看文章 就可理解全文主要内容的程度:摘要 字数应控制在200?300宁，英文要 与中文相对应。 批注［f5］:小四 Times New Ronic,3 倍 行距批注［F6］:小五，居中 毛精纺前纺工艺参数重要性的BP网络定量评价法］ __ _削贵-于伟东詰 （1?|东华大学纺织材料打技术实验电上海201620;武汉科技学院纺织与材料学院，湖北武汉430073］ 爾 團?小五黑体）在BP神经网络建模技术的卑础上,提出利川神经网络输入层与输出层之间的网络权值 及其分布來求各输入参数匝姿程度的方法。将采集到的毛精纺企业前纺二1?艺参数运用BP神经网络分别建 立了泪【纱0’值和粗纱单重的预测模型。结果表明：所建模型的平均相对谋差都低于3%；采用样本数据验 证，其预报值与实测值间的II咲系数都高于0. 95。对所建模型的网络权車进行提収，分别计算出13个输入 参数对制纱G值利粗纱单匝的匝要性，挖掘出显著而冇效的参如经对比认为.BP网络法比多兀回归显 著性分析（MRSA）更为粘准，可用于对实际生产加工的预报和控制。（小五來体） 关键词（小五黑体）毛精纺：前纺工艺参数:模型:BP神经网络:定量评价法（小A宋体） 中图分类号（小五黑体）：TS 131.9 （小方宋体） 文献标志码（小五黑体〉： iQuantitativc evaluation method for the significance of worstedfore-spinning parameters based on BP neural network|LIUGui1, YUWeidong12 （五号） |（1.Textile Materials andTcchnology Diboratory Donghua University, Shanghai 201620,China; 2.Dcpartnwnt of Textiles and Materials, Wuhan University of Science and Enginccring, Wuhan, Hubei 430073,China） Abstract Based on BP neural network model technology, a new approach was developed and applied to appraise the input parameters significant degree through the wcightincss and its distribution between the input and output layer. Usingche forc-spinningworking procedure data gathered fronithcworstcd textiles enterprise,【he roving unevenness and wcighl prediction models were established respectively. The results indicated lhal the models mean relative errors are all less [han 3%; the correlation coefficicntR2bctwcen【he prediction value and the actual arc all more lhan 0-95? Using （he wcightincss extracted fronilhe established models, lhe 13 input parameters significance to （he roving unevenness and weight were calculated respectively, and lhe remarkable and effective parameters arc excavated out. Meanwhile contrasting to lhe multivariate regression significance analysis （MRSA）, the BP neural netw