基于GRNN建立开孔型多孔玻璃吸声性能模型

论文摘要

采用广义回归神经网络(GRNN)方法,在开孔型多孔玻璃16组实验数据基础上,以12组随机数据作为训练样本,4组作为检验样本,建立以多孔玻璃厚度和孔隙率的GRNN模型,得到训练的最佳光滑因子σ=0.1,最大迭代次数为20;结果表明,模型预测值与实验值的平均误差为0.003,建立的模型精度高,预测吸声系数曲线形貌相似度高;该方法有简单、训练样本少、快速、准确等优点。

论文目录

• 1 实验
•   1.1 样品制备
•   1.2 吸声系数测量
• 2 GRNN建模
•   2.1 GRNN神经网络
•   2.2 GRNN模型设计
• 3 结果与讨论
• 4 模型预测误差分析
• 5 结论

文章来源

类型: 期刊论文

作者: 张旭博,徐颖,张婷颖,李国栋

关键词: 广义回归神经网络,吸声系数,多孔玻璃

来源: 西北工业大学学报 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 无机化工,自动化技术

单位: 西北工业大学航海学院

基金: 西北工业大学研究生种子基金(Z2017089)资助

分类号: TQ171.1;TP183

页码: 57-62

总页数: 6

文件大小: 214K

下载量: 101