（江南大学，江苏无锡214063）建立预测模型方法上的优缺点。介绍了如何根据实际需要选择合理的方法建立质量预测模型。

　　6：A 1概述影响纱线质量的因素由两部分组成，一部分是纤维本身的性能，即内因；另一部分是成纱的工艺配置和温湿度等，即外因。在外因条件基本保持不变的情况下，纤维本身的性能，如长度、细度、成熟度、短绒率等对成纱质量有着直接的影响。

　　在分析纤维的性能与纱线质量的关系方面，传统上经常采用回归分析方法，近年来神经网络也被用来分析它们之间的关系。本文将举例分析这两种方法在纱线质量预测方面的区别和优劣。

　　本文以纯棉278tec纱为例，在外界条件基本不变的情况下，分析不同的原棉的指标：长度（mm）、短绒率（％）、马克隆值、成熟度对纱线质量（这里分析的主要是成纱强力，条干CV值）的影响。通过多元线性回归与神经网络两种不同的方法建立质量预测模型。采用30组数据建模、训练，10组仿真对比误差。数据类型如表1所示。

　　2回归分析方法建立预测模型判断回归曲线类型：首先根据数据做出散点图，根据散点图来判断回归曲线的类型。通过样本数据，确定原棉的各项指标与纱线的强力和条干CV之间均是线性关系，所以采用多元线性回归。多元线性回归分析是研究多个变量对另一士研宄生。

　　个变量的影响，并且它们之间的关系是线性的。

　　表1不同原棉指标对应的纱线指标数据示例序号长度短绒率马克隆成熟度值（平均）单纱强条干CV力/N/%建立回归方程：假设因变量y和p个自变量xi，…，对y有影响，建立多元回归方程：y b0bi……bp是待估计的未知参数。建立多元回归方程的方法很多，目前利用SAS和MATLAB6.0软件都可以根据样本数据建立方程。这里通6.0建立原棉指标与纱线强力之间的回归方程：原棉指标与纱线条干CV值之间的回归方程为：3神经网络预测模型31神经网络及BP改进算法神经网络通常是一种分层的网络，根据其神经元之间连接方式的不同，可以分为相互连接网络和分层前馈网络。在纺织领域中应用*广泛的络在各个领域中应用广泛，主要是因为三层BP网络能够逼近任意非线性函数，有强大的建模能力，使得该网络在非线性系统中得到较多的应用。该神经网络模型如所示。

　　三层P神经网络因为传统的BP算法有以下缺点：1存在一些平坦区域，在此区域内误差变化很小；°字在不少局部*小点，某些初值会落入局部*小；》收敛的速度慢。所以这里采用的是改进的动量-自适应学习率调整算法来训练BP网络。

　　32建立网络模型一般而言，单隐层的神经网络足以解决复杂的问题，故在本网络中使用单隐层，即采用三层BP神经网络：输入层、一个隐含层和输出层。算法采用改进的BP动量-自适应学习率调整算法。

　　马克隆值、成熟度4项作为输入层神经元；层单元数、m为输入层单元数），选择神经元个数为9；然后逐个加隐含层神经元的个数，训练网络。选择收敛*快效果*好的模型，经过实际检验，选择中间隐含层的神经元数为15.这样就建立了一个采用BP动量-自适应学习率调整算法的三层神经网络。

　　33数据处理及网络实现途径因为输入输出的各项数据，其单位不同、数量级别差异大，影响神经网络的训练，为了消除各输入数据由于数量级的差别对误差影响的差异，需要对输入数据进行线性变换，使其取值范围均在。北京：清华大学出版社，1999楼顺天，施阳。基于MATLAB的系统分析与设计―神经网络。西安：西安电子科技大学出版肖正光，顾伯洪。神经网络技术及其在纺织上的应于华，汪德璜。利用逐步回归分析建立机织滤布透气性的预测模型。纺织学报，1997，18（2）：刘丽萍，贾肇英。运用多元回归分析合理使用原棉稳定成纱质量。上海纺织科技，1997，25（2）：责任编辑：闵守健