基于不同算法优化的back propagation神经网络在三元乙丙橡胶混炼胶门尼黏度预测中的应用

作者：李高伟; 李佳; 朱金梅; 鉴冉冉; 苗清; 曾宪奎^*

来源：合成橡胶工业, 2023, 46(06): 488-494.

DOI：10.19908/j.cnki.ISSN1000-1255.2023.06.0488

• back propagation神经网络
• 遗传算法
• 粒子群算法
• 三元乙丙橡胶
• 混炼胶
• 门尼黏度
• 预测模型

分别采用遗传算法（GA）和粒子群算法（PSO）优化的back propagation(BP)神经网络建立了三元乙丙橡胶（EPDM）混炼胶门尼黏度的预测模型，并对预测结果的误差进行了对比分析。结果表明，两种算法优化后的BP神经网络模型的预测值与实测值均保持较高的拟合度和相关性；相比单一的BP神经网络，GA优化后BP神经网络模型的精度提高了58.9%,PSO优化后BP神经网络模型的精度提高了3.57%，说明两种算法优化后的预测模型，特别是GA优化的BP神经网络预测模型对EPDM混炼胶门尼黏度的预测精度改善明显。

• 单位
  机电工程学院; 青岛科技大学