基于GBO和LSSVR的丝网印刷产品墨量转移预测模型研究

因丝网印刷产品质量的影响因素众多,且单次实验周期长、实验数据缺乏,本研究以油墨转移率(ITR)为评价指标,以现有数据集作为研究基础,建立了基于凤仙花优化(GBO)算法和最小二乘支持向量回归(LSSVR)的ITR混合预测模型,用GBO算法优化由LSSVR构建的多元数据非线性预测模型的参数。数据集包含102组实验样本,对提出的混合预测模型进行训练和测试。结果表明,ITR混合预测模型的均方根误差为0.0066,平均绝对百分比误差为1.6502%,确定系数为0.8476,优于其他几种基准模型。该预测模型可以在生产过程中,指导经编运动鞋面丝网印花机参数设置。