基于正交设计和BP神经网络模型的复鞣填充工艺优化

神经网络模型能够捕捉复杂系统中变量之间可能存在的非线性关系,常用于数据统计和预测中。使用丙烯酸树脂、栲胶、角蛋白/氨基树脂复合材料、合成鞣剂对蓝湿革进行复鞣填充,并利用正交设计和BP神经网络模型分析不同因素对坯革性能的影响。结果表明,以柔软度和撕裂力为评价指标,当中间层节点数为8和6时,神经网络模型可对复鞣填充进行高效拟合,均方误差MSE分别为0.113和0.279,线性拟合相关系数R^(2)分别为0.979和0.955。与正交设计相比,神经网络模型可更好地分析和预测坯革的性能,偏差<5%。