典型文献
基于麻雀搜索算法优化双隐含层BP神经网络的张力减径钢管壁厚预测
文献摘要：
针对传统BP神经网络在张力减径过程中进行壁厚预测过程时存在误差偏高、 稳定性不强、 随机初始化权值阈值等缺点,采用麻雀搜索算法对传统BP神经网络的阈值与权值进行全局寻优,以提高BP神经网络在张力减径中壁厚参数预测的准确性和稳定性.同时,以某工厂采集的张力减径过程中的壁厚数据为样本集,采用SSA-BP神经网络进行学习与训练,将得到的结果与传统BP神经网络、GA-BP神经网络的预测结果对比.结果表明,SSA-BP神经网络对张力减径过程中壁厚参数的预测具有较高的准确性与稳定性,其在准确度相较于传统BP神经网络模型提升了58.1％,相较于GA-BP神经网络模型提升了17.5％.
文献关键词：
BP神经网络;麻雀搜索算法;GA-BP神经网络;SSA-BP神经网络;张力减径
中图分类号：
作者姓名：
胡建华;黄宇龙;张坚;王清华;周新亮;马佳旺
作者机构：
太原科技大学材料科学与工程学院,山西太原 030024;太原重工股份有限公司技术中心,山西太原 030024
文献出处：
引用格式：
[1]胡建华;黄宇龙;张坚;王清华;周新亮;马佳旺-.基于麻雀搜索算法优化双隐含层BP神经网络的张力减径钢管壁厚预测)[J].塑性工程学报,2022(08):145-151
A类：
张力减径
B类：
麻雀搜索算法,算法优化,双隐含层,钢管壁厚,初始化,权值阈值,全局寻优,参数预测,厚数据,样本集,SSA,GA,预测结果对比
AB值：
0.194273
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
