纺织学报论文模板.doc

毛精纺前纺工艺参数重要性的BP网络定量评价法小二黑体，居中，3倍行距 小二黑体，居中，3倍行距 刘 贵收稿日期（黑体小五）：2007-03-10 修回日期：2007-05-16 收稿日期（黑体小五）：2007-03-10 修回日期：2007-05-16（由编辑部填写） 基金项目（黑体小五）：国家经贸委创新项目（02CJ-14-05-01）基金名称（基金编号）(楷体小五) 作者简介（黑体小五）：刘贵（1983—），男，博士生。主要研究方向为毛精纺加工过程建模及其职能决策预报与控制。于伟东，通讯作者，E-mail:wdyu@dhu.edu.cn。第一作者姓名（出生年—），性别，职称，学历。主要研究方向。通讯作者姓名，E-mail。 四号楷体，居中，单倍行距 东华大学 纺织材料与技术实验室,上海　201620; 武汉科技学院 纺织与材料学院,湖北 武汉　430073)小五号宋体，居中，单倍行距 小五号宋体，居中，单倍行距 摘 要摘要写作方法：请用第三人称的语气陈述该文研究目的（即为了……，或者针对……问题，）、过程 摘要写作方法：请用第三人称的语气陈述该文研究目的（即为了……，或者针对……问题，）、过程、方法（即采用的手段和方法）、结果和结论（即研究得出的结论），重点是结果和结论，背景信息、基本概念及对文章的自我评价不应出现在摘要中，要达到只看摘要而不必看文章就可理解全文主要内容的程度；摘要字数应控制在200～300 字，英文要与中文相对应。 关键词（小五黑体）毛精纺；前纺工艺参数；模型；BP神经网络；定量评价法（小五宋体） 中图分类号（小五黑体）： TS 131.9（小五宋体） 文献标志码（小五黑体）： Quantitative evaluation method for the significance of worsted fore-spinning parameters based on BP neural network小四Times New Rome,3倍行距 小四Times New Rome,3倍行距 LIU Gui1，YU Weidong1,2（五号） (1.Textile Materials andTechnology Laboratory Donghua University, Shanghai　201620,China; 2.Department of Textiles and Materials, Wuhan University of Science and Engineering, Wuhan, Hubei　430073,China）小五，居中 小五，居中 Abstract Based on BP neural network model technology, a new approach was developed and applied to appraise the input parameters′significant degree through the weightiness and its distribution between the input and output layer. Usingthe fore-spinningworking procedure data gathered fromtheworsted textiles enterprise, the roving unevenness and weight prediction models were established respectively. The results indicated that the models′mean relative errors are all less than 3%; the correlation coefficientR2between the prediction value and the actual are all more than 0·95. Using the weightiness extracted fromthe established models, the 13 input parameters′significance to the roving unevenness and weight were calculated respectively, and the remarkable and effective parameters are excavated out. Meanwhile contrasting to the multivariate regress