基于粒子群算法优化BP神经网络的高低温试验箱温度预测

作     者：彭白雪 陈清华 王建刚 王皖楠 PENG Bai-xue;CHEN Qing-hua;WANG Jian-gang;WANG Wan-nan

作者机构：安徽理工大学机电工程学院淮南232001 广东立佳实业有限公司东莞523000 

出 版 物：《环境技术》 (Environmental Technology)

年 卷 期：2024年第42卷第5期

页      面：215-223页

学科分类：080702[工学-热能工程] 08[工学] 0807[工学-动力工程及工程热物理] 

基　　金：安徽省重点研究与开发计划项目,项目编号:2022a05020030 安徽理工大学环境友好材料与职业健康研究院研发专项基金资助项目,项目编号:ALW2021YF12 

主　　题：高低温试验箱 粒子群算法 BP神经网络 温度预测 

摘      要：为提高高低温试验箱内部温度预测精度,通过建立粒子群算法优化后的BP神经网络(PSO-BP)模型对高低温试验箱内工作区温度变化情况进行预测,并利用试验采集的有限点温度数据进行对比分析,为高低温试验箱内温度特性的分析计算提供理论和数据支持。结果表明PSO-BP网络取得最小训练误差为9.35×10^(-5),与BP神经网络相比,优化后的PSO-BP神经网络训练集和测试集拟合精度分别提高了1.09%和2.43%。BP网络和PSO-BP网络平均绝对误差(MAE)分别为1.480和0.753,均方根误差(RMSE)分别为1.979和1.842,综合表明PSOBP神经网络预测精准度更高,可有效获得高低温试验箱内连续完整的温度情况,提高了试验箱研发工作效率。