基于SSA优化神经网络的企业质量指标预测研究.pdf
《基于SSA优化神经网络的企业质量指标预测研究.pdf》由会员分享,可在线阅读,更多相关《基于SSA优化神经网络的企业质量指标预测研究.pdf(9页珍藏版)》请在咨信网上搜索。
1、Modeling and Simulation 建模与仿真建模与仿真,2023,12(4),3909-3917 Published Online July 2023 in Hans.https:/www.hanspub.org/journal/mos https:/doi.org/10.12677/mos.2023.124357 文章引用文章引用:袁嬉莹.基于 SSA 优化神经网络的企业质量指标预测研究J.建模与仿真,2023,12(4):3909-3917.DOI:10.12677/mos.2023.124357 基于基于SSA优化神经网络的企业质量指标预测优化神经网络的企业质量指标预测 研
2、究研究 袁嬉莹袁嬉莹 上海理工大学管理学院,上海 收稿日期:2023年5月11日;录用日期:2023年7月14日;发布日期:2023年7月21日 摘摘 要要 由于目前生产过程中的监控体系不完整,生产方法落后,一直按照出现问题之后再解决问题的处理方案,由于目前生产过程中的监控体系不完整,生产方法落后,一直按照出现问题之后再解决问题的处理方案,且目前产品现代化生产过程中充满了不确定性和复杂性,因此这种生产管理方式不能够及时检测出生产且目前产品现代化生产过程中充满了不确定性和复杂性,因此这种生产管理方式不能够及时检测出生产过程中存在的质量问题。采用麻雀搜索算法对传统过程中存在的质量问题。采用麻雀搜索
3、算法对传统BP神经网络进行权值和阈值全局优化,提升对于卷烟神经网络进行权值和阈值全局优化,提升对于卷烟制造中制丝环节的预测精准度,并将模型与传统制造中制丝环节的预测精准度,并将模型与传统BP神经网络通过损失函数进行对比,并引入神经网络通过损失函数进行对比,并引入KNN模型、模型、SVM模型、模型、Logistic回归分类模型和回归分类模型和QDA二次判别分析模型进行对比,通过对上述五种模型的评估指数二次判别分析模型进行对比,通过对上述五种模型的评估指数进行对比,证明了进行对比,证明了bp神经网络分类效果的优越神经网络分类效果的优越性,而麻雀搜索算法优化性,而麻雀搜索算法优化BP神经网络在烟草生
4、产过程中对神经网络在烟草生产过程中对质量管理预测具有高效性和准确性。质量管理预测具有高效性和准确性。关键词关键词 BP神经网络神经网络,质量管理质量管理,卷烟制造卷烟制造,麻雀搜索算法麻雀搜索算法,质量预测质量预测 Research on Enterprise Quality Index Prediction Based on SSA Optimization Neural Network Xiying Yuan School of Management,Shanghai University of Technology,Shanghai Received:May 11th,2023;acce
5、pted:Jul.14th,2023;published:Jul.21st,2023 Abstract Since the current monitoring system in the production process is incomplete and the production 袁嬉莹 DOI:10.12677/mos.2023.124357 3910 建模与仿真 method is backward,it has been following the processing scheme of solving problems after they occur,and the m
6、odern production process of current products is full of uncertainty and complexi-ty,so this production management method is not able to detect the quality problems in the pro-duction process in time.The sparrow search algorithm is used to globally optimize the weights and thresholds of traditional B
7、P neural network to improve the prediction accuracy for the fila-ment making process in cigarette manufacturing,and the model is compared with traditional BP neural network by loss function,and KNN model,SVM model,logistic regression classification model and QDA quadratic discriminant analysis model
8、 are introduced to compare the above five models.The evaluation indices were compared to prove the superiority of bp neural network classification effect,and the sparrow search algorithm optimized BP neural network has high effi-ciency and accuracy for quality management prediction in tobacco produc
9、tion process.Keywords BP Neural Network,Quality Management,Cigarette Manufacturing,Sparrow Search Algorithm,Quality Prediction Copyright 2023 by author(s)and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License(CC BY 4.0).http:/creativecommons.org/li
10、censes/by/4.0/1.引言引言 我国的烟草行业已经连续 13 年位于创收第一的产业,其产量和销售额巨大,2019 年我国烟草方面工商的税收利润值达到了 12056 亿元,较往年同比增长了 4.3%,而上缴的金额达到了 11770 亿元,烟草行业对于我国的经济上的发展做出了巨大的贡献,而烟草业作为一个特殊的行业,是我国政府进行垂直管理的行业,虽然担任着我国重要的税收来源,但因其生产原料及产品性质的独特性意味着对于该行业需要进行更加全面的管理和监督。而我国众多的烟草品牌需要为了保证品牌的稳步发展,不断提升企业的竞争力,改进目前的生产管理,如:烟草的储存、生产供应链管理、生产质量管理等。随
11、着互联网技术的发展使烟草企业对于制造过程有了更多的改进措施,例如根据相关的环境、工业数据进行数据挖掘从而对生产过程中进行更加全面、易理解的分析,并且可以反向反馈烟草企业需要的信息,为企业的管理改进提供一定的依据1 2。黄夸克根据烟草的培养环境预测分析出了对于烟草原材料的储存条件设计,将 BP 神经网络用于对于烟草数据的挖掘中3。对于在烟草生产过程中的相关数据进行数据挖掘,分析出其中所包含的信息,而其中比较常见的数据挖掘方法有遗传算法、神经网络算法和模糊算法等,对于烟草企业的质量管理也存在对数据的处理不完善、缺乏反馈和未能根据不同企业进行具体管理等问题4 5。唐宇等基于目前支持向量机的难以获得最
12、优参数的问题引入改进麻雀算法进行优化,并将优化前后的支持向量机进行对比,明确了改进麻雀算法对异常点检测的有效性6。贾凯烨研究了有关目前麻雀搜索算法容易陷入局部最优的问题引入Hammeraley 低差异序列以使结果更易收敛7。钱敏对于麻雀算法基于反向策略进行了优化,提出了改进的麻雀搜索算法(ISSA),并且根据对比发现 ISSA 收敛更好,算法更稳定8。刘湲使用麻雀搜索算法优化BP 神经网络来对短期风的功率进行预测,输入有关风速、风向、温度等作为训练集,并通过沿海电场的具体数据进行仿真测试,以验证算法的准确度9。有较多的学者对烟草行业的质量管理进行了研究,但对于烟草的加工环节进行分析较少,且 B
13、P 神经网络很容易出现过拟合,容易陷入局部最优的问题。Open AccessOpen Access袁嬉莹 DOI:10.12677/mos.2023.124357 3911 建模与仿真 基于上述研究中存在的问题,本文考虑了卷烟制作过程中的部分数据缺失,对数据进行了补全,有别于以往实验中并且应用元启发式算法中的麻雀搜索算法对 BP 神经网络进行优化,根据有关卷烟生产中的批次号、检测时间、重量、圆周、吸阻等烟草数据进行数据挖掘,对烟草的生产过程进行预测分析,并通过某企业的烟草实际生产数据进行分析,验证其合理性和有效性。2.BP 神经网络模型神经网络模型 BP 神经网络是一种按照误差进行逆向传播算法
14、训练的多层前馈神经网络,是目前所有神经网络中应用最普及的,其主要由信息的正向传播和反向传播两部分组成,BP 神经网络主要思想是梯度下降法(Gradient descent)是一种常用的一阶优化方法,梯度下降法的核心是通过多次重复性训练对训练结果和预期结果进行对比误差分析,进一步修改权值和阈值使训练出来的模型与预期模型一致10。在本文中设置主要的工艺参数分别为重量、圆周和吸阻。根据神经网络的特性来设置相关的输入层节点数、隐含层层数和输出层节点数,然后根据构建的神经网络模型确定相应连接层之间的权值和阈值,最后构建整个完整的 BP 神经网络模型。BP 神经网络在深度神经网络中应用最为广泛,因为它作为
15、一个反馈神经网络,能进行反向传播,因此对于风险的评估能力更好,缩小误差,并且能够明确的反应输入信息对输出信息的影响情况并对数据的包容性较好。有较多研究使用 BP 神经网络进行烟草制造方面的预测,对烟草的原料环境的搭建、虫害防治、能源管理进行预测研究11 12,但是对于卷烟制作过程中的预测研究较少且存在一些缺陷不足之处:第一,传统的 BP 神经网络由于阈值和权值的设定数值不同且 BP 神经网络的原理为寻找收敛的位置容易出现局部最优的情况,而最后输出的数值并不是预期结果,并且可能因为阈值等的设定不合理,导致训练时间很长13。第二,由于 BP 神经网络本质是反复进行迭代,因为对于迭代的步长也需要随着
16、迭代的进行不断优化,这样会导致算法的低效性。第三,传统 BP 神经网络对于隐含层层数、阈值、权值的选择会导致算法陷入局部最小值,因此对于烟草生产所需要的精度无法满足。对于以上的诸多不足之处,本文使用麻雀搜索算法(Sparrow Search Algorithm,SSA)对阈值和权值的选择进行分析,使算法的精准度更优。3.麻雀搜索算法麻雀搜索算法 麻雀搜索算法是元启发算法中的一种,元启发算法主要包括了灰狼算法(Grey Wolf Algorithm)、鲸鱼优化算法(Whale Optimization Algorithm)等。麻雀搜索算法因为其局部搜索能力较强,收敛速度快的特性,多用于图像分析、
17、优化 BP 神经网络、运行路径规划等方面,麻雀搜索算法通过模拟麻雀进行觅食的行动轨迹建立有关发现者、追随者和警戒者的模型寻求最优解。麻雀搜索算法的原理为通过发现者去搜寻食物较多的地区然后为所有的发现者、追随者和警戒者提供位置指引,而当有麻雀发现捕食者就会发出声音以作警报,警报的信号高于设定的安全范围时,发现者会发送信号带领其他麻雀往其他的富含食物的区域进行觅食。在整个过程中麻雀的身份不固定,可以作为发现者进行寻觅,也可以作为追随者跟随觅食,只要寻找到合适的觅食地点就会成为发现者,但在麻雀搜索算法中,发现者在麻雀总数中所占比例是固定的,在算法中,发现者的能量对于食物获取的有效性有着明显的影响,能
18、量越高,获得的觅食位置就会越好,而能量低的发现者需要前往新的地区寻找食物,而在觅食过程中,一些追随者会与进食位置较好的发现者竞争食物资源,在警戒者发出足够大的警戒信号后,位于进食区域边缘的麻雀会飞往其他安全区域进行觅食,而中间部分的麻雀会随机移动,靠近其余的麻雀。在麻雀搜索算法中,对于发现者的位置更新公式如下:袁嬉莹 DOI:10.12677/mos.2023.124357 3912 建模与仿真 ,21max,2exp,ti jti jti jiXRSTiterXXQL RST+=+(1)式中,t 为常数,表示最大的迭代次数;,i jX表示麻雀中的个体i在第j维空间中的位置;为常数,(0,1;
19、2R和 ST 分别表示麻雀搜索算法中的预警值和安全值;Q 表示服从正态分布的随机数;L 为一个 1*d 的矩阵,其中所有值均为 1。在该位置更新式中,2RST=+(2)其中pX是发现者寻找到的最好的觅食位置;worstX是发现者寻找到的觅食点中最差的位置;A 为 1*d 的矩阵,矩阵中的每一个元素被赋值为1 或者 1,并且需要满足()1TTAAAA+=。在上式中,追随者还会随时观察发现者,当发现者找到更好的食物时会快速离开当前位置,前往与发现者争夺食物,如若成功,追随者将获得该区域进行觅食,反之需要执行上述公式(2),当2in时,表示在能量较低的种群中,从第 i 个开始将无法获取食物,追随者需
20、要前往其他地方发现食物或追随其他发现者前往其他区域进行觅食。警戒者会随机在麻雀中产生,它们会在出现危险时发出警戒信息并离开该区域前往其他区域进行觅食警戒者在麻雀群体中的占比一般为 10%20%,有关警戒者的位置信息表达式如下:(),1,tttbesti jbestigttti ji jworstti jigieXXXffXXXXKffff+=+=+(3)其中,bestX表示全局最优的位置;表示控制步长的参数,符合均值为 0,方差为 1 的正态分布规律;1,1K 是随机数,表示麻雀的移动方向;if表示第 i 个个体的适应度值;if和jf分别表示麻雀群体中全局的最优和最差适应值;为常数,避免公式出
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 SSA 优化 神经网络 企业 质量指标 预测 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。