科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高汽车零部件生产过程的碳排放预测精度，文中提出了一种改进粒子群优化算法(IPSO)与广义回归神经网络(GRNN)相结合的碳排放预测方法。通过改变惯性权重与自适应变异因子来更新粒子位置和速度，以确定GRNN最优光滑因子δ,并得到模型输入层适应度函数。运用金属带式无极变速器的实际数据对该模型进行验证，同时，将此模型与PSO-GRNN和GRNN模型对比选优。结果表明：文中构建的IPSO-GRNN模型的预测值与实际值的均方根误差RMSE仅为1.519 8,平均绝对误差MAE为1.274 9,决定系数R2为0.900 1,收敛速度和寻优精度明显优于其他模型，可为汽车产业的碳排放预测提供有力支撑。
- 单位
