基于GRNN建立开孔型多孔玻璃吸声性能模型

• 作 者: 张旭博 徐颖 张婷颖 李国栋
• 机 构: 西北工业大学航海学院
• 出 处: 西北工业大学学报
• 发表日期: 2019年01期
• 关键词: 广义回归神经网络 吸声系数 多孔玻璃 generalized regression neural network sound absorption coeffi
• 基金项目: 西北工业大学研究生种子基金(Z2017089)资助.

采用广义回归神经网络(GRNN)方法,在开孔型多孔玻璃16组实验数据基础上,以12组随机数据作为训练样本,4组作为检验样本,建立以多孔玻璃厚度和孔隙率的GRNN模型,得到训练的最佳光滑因子σ=0.1,最大迭代次数为20;结果表明,模型预测值与实验值的平均误差为0.003,建立的模型精度高,预测吸声系数曲线形貌相似度高;该方法有简单、训练样本少、快速、准确等优点。