型的参数优化问题。以纺纱生产过程为例，首先使用灰色复杂的生产流程。从纤维到纱线需要经历多道工序。影响成纱质量的因素众多，其中主要的因素为纤维性能和纺织工艺。基于灰色关联支持向量机回归的纱线质量预测论文原稿。根据表，对于单纱强度的预测结果，灰色关联支持向量机回归模型的预测平均相对误差为，神经网络模型平均相对误差为，支持向基于灰色关联支持向量机回归的纱线质量预测论文原稿熟度主体长度断裂强度短绒率主上长度均勻度公制支数含杂率疵点总数回潮率。成纱的性能指标为单纱强度条干。摘要针对企业纺纱过程中纱线质量难以预测的问题，提出了种基于灰色关联支持向量机回归的模型，并对模型关键参数使用网格搜索技术和交叉验证技术进行优化。通过工厂实际纺纱数据，利用成熟归作为纱线质量预测模型。需要确定的关键参数是正则化系数和核函数带宽。本文选择较为常用的径向基核作为核函数。采用网格搜索技术结合交叉验证对关键参数进行优化。基于灰色关联支持向量机回归的纱线质量预测论文原稿。第步进行变量的无量纲化处理。在灰色关联计算之前，可根据公式对艺。模型建立与分析数据准备本文采用组纺纱数据来建立模型，用于组模型训练，剩下组用来测试模型精度。由于纱线是在纺纱工艺相同的环境下加工生产的。因此，成纱质量的主要影响因素是原棉性能指标。本文选用的原棉性能指标为成熟度主体长度断裂强度短绒率主上长度均勻度公制支数含杂率疵点总数回潮率摘要针对企业纺纱过程中纱线质量难以预测的问题，提出了种基于灰色关联支持向量机回归的模型，并对模型关键参数使用网格搜索技术和交叉验证技术进行优化。通过工厂实际纺纱数据，利用成熟度等项原棉指标，对纱线单纱强度等项指标进行预测。试验结果表明，灰色关联支持向量机回归模型在小样本条件下也，王定成，姜斌支持向量机控制与在线学习方法研究的进展系统仿真学报，李晓峰苎麻纤维原料品质与成纱品质指标的灰关联分析纺织学报，陈东升，吴广峰，长井茂明用灰色理论预测亚麻成纱质量纺织基支持向量机回归建立预测模型，预测成纱性能指标。实验结果表明，本文方法的拟合效果比传统的神经网络模型的预测方法的拟合效果要好，在小样本的数据环境下仍然能够保持较高的预测精度，拥有更好泛化性能，更加适用于纱线生产过程。研究表明，基于灰色关联支持向量机回归预测模型是进行纱线质量预灰色关联支持向量机回归模型的平均相对误差最小为，神经网络模型预测的平均相对误差为，灰色关联支持向量机回归模型的准确度比神经网络提高了。实验结果对比表明，灰色关联支持向量机回归预测模型比神经网络预测模型的预测的精确度得到了大幅的提高，并且预测结果比较稳定。灰色关联支持本函数前向层神经网络结构研究计算机学报，。相关理论灰色关联分析灰色关联分析是种多因素统计分析方法。它根据各因素的样本数据，对因素间关系使用灰色关联度进行描述。若两个因素变化同步趋势较高，则两者之间灰色关联度较高，反之则灰色关联度较低。此分析方法具有对数据要求较低和工作量较少等基于灰色关联支持向量机回归的纱线质量预测论文原稿础科学学报邓乃扬，田英杰数据挖掘中的新方法支持向量机北京科学出版社，高大啟有教师的线性基本函数前向层神经网络结构研究计算机学报，。吕志军，于伟东基于和的精纺纱智能化加工研究与实践毛纺科技，王定成，姜斌支持向量机控制与在线学习方法研究的进展系统仿真学报，李晓峰苎麻纤维原料品质与成纱品质指标的灰关联分析纺测的有效工具，具有较高的实际应用价值。参考文献，董奎勇，于伟东基于神经网络的纺纱质量预报模型东华大学学报，郑波配棉工艺系统与纺纱质量预测的分析与设计南京东南大学，殷祥刚，向量机回归模型在小样本的条件下拟合性能远远好于神经网络模型。结语本文提出了种基于灰色关联分析支持向量机回归的预测模型，并且使用网格搜索技术和交叉验证技术解决了模型的参数优化问题。以纺纱生产过程为例，首先使用灰色关联分析方法筛选出影响成纱性能指标的最重要的原棉性能指标，然后利特点。具体步骤如下第步首先确定参考数列。基于灰色关联支持向量机回归的纱线质量预测论文原稿。根据表，对于单纱强度的预测结果，灰色关联支持向量机回归模型的预测平均相对误差为，神经网络模型平均相对误差为，支持向量机回归模型的准确度比神经网络提高了。由表可知，对于条干，学报，陈东升，吴广峰，长井茂明用灰色理论预测亚麻成纱质量纺织基础科学学报邓乃扬，田英杰数据挖掘中的新方法支持向量机北京科学出版社，高大啟有教师的线性基基于灰色关联支持向量机回归的纱线质量预测论文原稿郑波配棉工艺系统与纺纱质量预测的分析与设计南京东南大学，殷祥刚，吕志军，于伟东基于和的精纺纱智能化加工研究与实践毛纺科技关联分析方法筛选出影响成纱性能指标的最重要的原棉性能指标，然后利用支持向量机回归建立预测模型，预测成纱性能指标。实验结果表明，本文方法的拟合效果比传统的神经网络模型的预测方法的拟合效果要好，在小样本的数据环境下仍然能够保持较高的预测精度，拥有更好泛化性能，更加适用于纱线生产量机回归模型的准确度比神经网络提高了。由表可知，对于条干，灰色关联支持向量机回归模型的平均相对误差最小为，神经网络模型预测的平均相对误差为，灰色关联支持向量机回归模型的准确度比神经网络提高了。实验结果对比表明，灰色关联支持向量机回归预测模型比神经网络预测模型度等项原棉指标，对纱线单纱强度等项指标进行预测。试验结果表明，灰色关联支持向量机回归模型在小样本条件下也有良好的表现。同传统的神经网络模型相比，具有更好的预测精度和稳定性，为成纱质量预测提供了新方法。关键词支持向量机回归灰色关联神经网络纱线质量引言纱线生产是项极其列进行无量纲化处理，以消除各个数列由于量纲不同和数值差异过大带来的影响。模型建立与分析数据准备本文采用组纺纱数据来建立模型，用于组模型训练，剩下组用来测试模型精度。由于纱线是在纺纱工艺相同的环境下加工生产的。因此，成纱质量的主要影响因素是原棉性能指标。本文选用的原棉性能指标为成。成纱的性能指标为单纱强度条干。第步进行变量的无量纲化处理。在灰色关联计算之前，可根据公式对数列进行无量纲化处理，以消除各个数列由于量纲不同和数值差异过大带来的影响。模型参数选择在预测仿真任务中，样本结构模型选择模型参数调优都对预测的精度有影响。本文使用灰色关联支持向量机回也有良好的表现。同传统的神经网络模型相比，具有更好的预测精度和稳定性，为成纱质量预测提供了新方法。关键词支持向量机回归灰色关联神经网络纱线质量引言纱线生产是项极其复杂的生产流程。从纤维到纱线需要经历多道工序。影响成纱质量的因素众多，其中主要的因素为纤维性能和纺织工