学术前沿 | 基于广义回归神经网络（GRNN）的薄膜多腔材料吸声系数预测

文章预览

      近年来，随着经济、社会生活和交通建设的快速发展，噪声问题越来越受到人们的广泛关注。声音能使膜振动，从而吸收特定频率的声波。在本研究中，将薄膜转化为气泡结构，形成薄膜多腔结构材料。吸声材料吸声性能的理论计算模型一直是研究的热点。广义回归神经网络(GRNN)是一种径向基神经网络(RBF)，具有网络结构灵活、容错能力强、非线性映射能力强等特点。本文采用广义回归神经网络(GRNN)方法预测薄膜多腔材料的吸声系数。制备了24组膜多腔材料样品，建立了两组GRNN模型。每组GRNN模型使用12组数据，其中10组作为GRNN的训练样本，2组作为测试样本。材料的厚度、气泡直径和孔隙率作为GRNN的输入，1/3倍频中心频率处的吸声系数作为网络的输出。训练两组GRNN模型得到的最优传播因子分别为0.5和0.35。结果表明，模型预测值与实验实测值 ………………………………