基于GA-BP算法的着装时男性下体热湿舒适性预测

摘要

为探究着装时男性下体热湿舒适性的影响因子,而这些因子之间又存在高度非线性的、复杂的关系,文章提出采用具有全局搜索寻优的遗传算法优化BP神经网络(即GA-BP),分析男性下体热湿舒适性指标及建立SVM模型进行预测,并与灰色关联度法、线性回归分析、模糊数学及BP算法的预测结果作对比.结果表明:影响男性下体热湿舒适性的主要因素是内裤面料的成分及纤维含量、回潮率、保温率、传热系数及衣下空气层;所建立的模型具有较高的精确度和可操作性,可以有效地预测主观舒适性,较优于其他算法.