基于 RBF 神经网络模型的改进加权主成分分析参数全局优化研究

• 作者: 黄鸿琦
• 来源期刊: 河南机电高等专科学校学报
• 学科: 经济
• 关键词: 径向基神经网络 加权主成分分析 多响应参数优化 遗传算法 响应曲面法
• 年，卷（期）: 2019,（3）
• 页码范围: 35-39
• 页数: 5页
• 分类号: F406.2

摘要

为分析响应预测能力对优化结果的影响,建立响应与可控因子间参数回归模型以计算预测能力指数,但复杂生产过程中模型拟合度不高,难以满足建模要求,因此提出一种基于 RBF 神经网络的改进加权主成分分析参数优化方法。该方法利用 RBF 神经网络构建非线性预测模型,计算并引入网络预测能力指数以调整加权主成分分析法,优先改进预测能力强的响应,然后进行主效应图分析,并通过建立响应曲面模型,利用遗传算法全局搜索最优点。实验结果表明,RBF 神经网络泛化能力强,改进的方法能够使得多个响应达到较理想的综合优化效果,且优于企业所用参数组合。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄鸿琦		4	10	1.0	3.0