论文部分内容阅读
当今世界，随着生产企业对产品质量迫切需求的不断增加大大刺激了非线性模型预测的发展，人工神经网络在预测方面明显优于传统的预测方法，但是目前的神经网络存在很大的局限性，本文针对其局限性提出了一种改进的BP神经网络，并验证了该改进的BP神经网络具有的优越性。
本文首先对神经网络理论及神经网络模型进行了学习和研究，利用相关分析法对神经网络模型中与输出变量关系紧密的输入变量进行了重点分析，并对其加以处理，简化了后续的数据处理工作并优化了神经网络结构，从而缩短了神经网络训练的时间。
然后对BP网络进行了具体的研究，针对人工神经网络中BP算法所存在的易陷入局部极小、网络收敛速度慢等缺陷进行原因分析，对BP网络算法进行了改进，将网络的误差梯度调整算法和误差的反向传递函数进行了改进，提出了一种改进的BP神经网络。
为了验证改进后的BP神经网络的优越性，特将其与目前针对BP神经网络所存在的缺陷进行改进的神经网络中VLBP方法和BFGS算法进行了对比分析，首先采用两组标准数据进行仿真模型分析，结果证实了本文提出的改进的BP神经网络具有梯度下降很快，预测精度和速度得到了显著提高，拟合效果也很好。
为了验证本文所改进的BP神经网络在实际产品生产质量预测中的预测效果，特将冷轧钢板热镀锌中的处理好的458组数据用于神经网络的训练和测试，将本文提出的改进的BP神经网络与目前神经网络改进的学习率可变的方法和BFGS算法进行了仿真模型对比分析，仿真分析结果表明，本文提出的改进后的BP神经网络对冷轧钢板热镀锌质量的预测精度比较高，其预测精度可以达到95％以上，预测结果符合实际情况，进一步验证了其优越性，对实际的产品生产质量预测具有一定的指导意义。