基于支持向量机的精纺毛织物透气性预测

邵景峰，王希尧

(西安工程大学 管理学院，陕西 西安 710048)

织物透气性与其纱线材料的相应属性存在较强的关联性，随着纱线生产制备工艺越来越复杂，其纱线指标属性越来越多，导致织物透气性的各个影响因素之间存在非线性关系，从而难以达到精准预测[1-2]。

国外学者对于织物透气性预测的研究主要体现在神经网络法和回归分析法方面，得到了织物物理属性与织物透气性对应关系，并建立了相应的回归模型，实现织物透气性的预测。ERENLER 等[3]使用4层BP神经网络，其中每个隐层网络包含5个神经元，在回归程度为R=0.993 66的情况下，对织物的透气性得到较好的预测，但是模型存在训练时间过长的问题；MATUSIAK[4]在其建立的多个预测模型中，其中每个隐层网络分别包含2、3和4个神经元，最后得到的4个模型分别适合不同材料的透气性预测，但其模型泛化能力不足；ÇELIK[5]建立了织物组织结构与其透气性之间联系，并得到织物厚度与孔隙率间存在强烈的正相关关系。结果表明，孔隙率的增加弥补了织物厚度对织物透气性的负面影响；AFZAL等[6]运用统计回归模型，研究探讨了织物毛圈长度、面密度、厚度与透气性能之间的对应关系，运用灵敏度分析定量解释了各个因素对透气性的影响，得到毛圈长度是最主要的影响因素。

在我国，众多学者利用神经网络法、灰色系统理论、因子分析法和主成分分析法等方法来探索织物透气性预测。徐广标等[7]构建了织物透气性能与织物结构参数之间的3层BP神经网络，将织物透气量的预测误差率控制在3.0%～ 24.2%。……