基于粒子群优化神经网络模型的木材含水率检测方法

摘要

本发明公开了一种基于粒子群优化神经网络模型的木材含水率检测方法。它将粒子群与BP算法相结合完成神经网络训练，以提高网络模型的训练精度；并将该模型应用于木材含水率检测，取得了良好的检测精度。本发明优点是：1)利用粒子群优化算法具有随机化全局优化搜索和收敛速度快的特性，对网络的权值进行整体寻优，克服BP算法存在的收敛速度慢、容易陷入局部极小的缺点。2)BP算法以粒子群优化算法提供的接近最优权值为初值，利用其非线性映射能力，且局部寻优能力强特点，进一步寻优，得到网络权值的最优值；3)基于电测法检测木材含水率及环境温度参数，建立粒子群优化神经网络模型，并应用于木材含水率的检测，验证了本发明的有效性。

主权项

一种基于粒子群优化神经网络模型的木材含水率检测方法，其特征在于采用鸟类捕食行为最优策略的仿生方法，对木材含水率检测融合网络模型的权值进行整体寻优；以粒子群优化算法提供的接近最优权值为初值，利用BP算法具有强大的非线性映射能力，且局部寻优能力强特点，对木材含水率检测融合网络模型的联结权值进一步寻优，获得最优解；基于电测法检测木材含水率及环境温度参数，建立粒子群优化神经网络模型，并以该模型应用于木材含水率的检测。