面向经编机产能的预测算法设计

针对经编机产能预测的高度非线性和不确定性,采用BP(back propagation)神经网络和RBF(radial basis function)神经网络对其进行求解。同时,针对BP神经网络的权值和阈值以及RBF网络隐节点中心向量值、基宽向量和连接权值难确定的问题,采用PSO(particle swarm optimization)算法和GA(genetic algorithm)对其优化求解,设计PSO-BP、GA-RBF和PSO-RBF等3种预测算法实现经编机产能的预测,并采用RMSE(root mean square error)值、MAPE(mean absolute percentage error)值和预测精度作为网络性能评价指标。试验结果显示,相比较PSO-BP和GARBF算法,PSO-RBF算法的各项网络性能指标均为最佳,其中预测精度达到了95.71%。因此,PSO-RBF算法在解决经编机产能预测问题上具有可行性、可靠性和优势性。