织物的主观热湿舒适感觉如闷热感、潮湿感、粘体感和运动后的冷感是人体在实际穿着过程中的几个评价指标。服装的真正载体是人，服装的舒适感从根本上讲是人体着装后，环境因素、服装性能和人体心理、生理因素相互作用的综合结果。织物的主观评价是通过人体现场穿着实验和人体生理学实验对服装的舒适性进行评价，是一种具有实际意义的手段和方法。但是主观测试也存在很多无法克服的困难，主要是因为试验条件的难以控制和穿着情况的复杂性，以及人的主观感觉受个体差异和精神因素的影响，在一定程度上影响了人体主观测试结果的准确性和可靠性。
相比较而言，织物的客观评价不受精神因素的影响，试验结果稳定，误差较小，易于操作和控制，可以适应各种环境下进行不间断的连续试验和多次重复试验，而且织物的客观评价方法经过几十年的发展已经相当成熟。例如，织物的静态客观评价指标透气率、透湿率、芯吸高度、回潮率、散湿率和热阻都有相应的国家标准。织物微气候的动态测试装置和方法也非常成熟，且测试方便，一经设定好条件，就可一次性获得所有的特征指标值。
客观评价方法虽然方便，易于操作，但测试的指标值并不能直观地反应主观的穿着感觉，因而有必要建立客观测试指标与主观测试指标之间的相关性模型。这样只需要对织物进行静态客观指标或动态客观指标的测试，就可以用相关性模型来预测织物的主观感觉指标。(www.xing528.com)
目前存在多种建模方法。本书分别采用多元线性回归与BP神经网络的方法进行了预测，通过结果可以看到，在此类模型的预测上，BP神经网络方法优于多元线性回归方法。用BP神经网络方法，只要样本点和训练次数足够多，网络模型就能作出准确预测。主观评价指标与客观评价指标呈线性关系时，线性回归方法令人满意。而事实上，二者多为非线性关系。BP神经网络的数学理论本质是非线性数学理论，是一种描述变量与目标之间特殊非线性回归分析，在解决非线性问题上与一般多因子预测方法比较，人工神经网络预报方法具有容错能力强、可靠性高、预测速度快等优点。
本书所有神经网络模型均采用Matlab神经网络工具箱来实现，该软件的运算功能强大，作为后台运算工具，完成核心算法的设计。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
