一个神经网络模型性能的好坏，关键的一环就是训练样本的选择，以及训练数据的准确性。本书采用的BP神经网络模型，其学习方法是有导师学习即给出学习目标的学习，学习目标就包括训练样本的选择。虽然神经网络模型具有容错性强的特点，但训练样本数据必须包含所建模型所需要的足够的正确数据样本。本书所采用的训练样本数据与本章第二节采用的训练样本数据相同。网络模型的输入、输出结点、网络结构参数也与本章第二节介绍的相同。建立一个新的人工神经网络模型，需要通过大量的训练和试验来使所建模型性能优化。本章第二节的网络模型是已经建立好的最优化模型，因此可以直接采用。
织物主观热湿舒适性智能预测软件的可视化主界面如图6－23所示。实现可视化界面的主要程序见附录2。智能预测模型是Matlab工具箱建立的BP神经网络，主要程序见附录1，直接调用已经配置好的训练样本及模型参数后的神经网络就可以实现对织物主观热湿舒适性的智能预测。
图6－23 织物主观热湿舒适性智能预测软件主界面
在可视化界面上可以实现输入动态客观指标值或静态客观指标值就可直接预测织物主观穿着的热湿舒适性感觉。下面以35号“U”形涤纶织物为例，分别对“动态客观值—主观预测”网络模型和“静态客观值—主观预测”网络模型进行预测。
在“动态客观值—主观预测”模块中“输入动态客观值”的五项动态指标KTs、Tequ、△T、KTe、RHequ下的方框内对应输入35号织物的五项动态客观值0.271、27.37、0.57、0.211、54，再点击“开始主观预测”按钮，即出现35号织物的四项主观热湿舒适性感觉值闷热感、粘体感、潮湿感、运动后的冷感分别为1.089、0.3872、1.0416、0.4177。具体操作界面如图6－24所示。
(www.xing528.com)
图6－24 以动态客观指标为输入参数的织物主观热湿舒适性预测
获得织物的四项主观感觉值后，再通过第五章的公式（5－4），即可算出35号织物的主观热湿舒适综合评分值为0.7566。与主观穿着实验的实测结果计算的热湿舒适综合评分值0.7699非常接近。
在“静态客观值—主观预测”模块中“输入静态客观值”的六项静态指标透气率、透湿率、芯吸高度、回潮率、散湿率、热阻下的方框内对应输入35号织物的六项静态客观值884.5、6253.2、19.5、1.24、68.2、0.196，再点击“开始主观预测”按钮，即出现35号织物的4个主观热湿舒适性感觉值闷热感、粘体感、潮湿感、运动后的冷感分别为1.6107、1.374、1.9342、0.596。具体操作界面如图6－25所示。
获得织物的四项主观感觉值后，再通过第五章的公式（5－4），即可算出35号织物的主观热湿舒适综合评分值为1.3640。与主观穿着实验的实测结果计算的热湿舒适综合评分值0.7699稍有出入。
采用BP神经网络建立的以动态客观指标为输入参数的织物主观热湿舒适性预测模型比以静态客观指标为输入参数的织物主观热湿舒适性预测模型的预测精度要高。这在本章第二节已经作了说明。
图6－25 以静态客观指标为输入参数的织物主观热湿舒适性预测
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。
