根据公式(3)和(4)，求得关联度：ε(2)=0．8153，ε(3)=0．824，ε(4)=0．7979，ε(5)=0．6878，ε(6)=0．7241，ε(7)=0．7368，ε(8)=0．7106，ε(9)=0．7162，ε(10)：0．6757，ε(11)=0．8832，ε(12)=0．6291，ε(13)=0．5843，ε(14)=0．7652，ε(15)=0．7031。
按灰色关联分析原则，关联度大的数列与参考数列关系最为密切，反之则疏远。由此得关联序{4}序：ε(11)>ε(3)>ε(2)>ε(4)>ε(14)>ε(7)>ε(6)>ε(9)ε>(8)ε>(15)>ε(5)>ε(10)>ε(12)>ε(13)，即单位面积质量>经向抗弯长度>表观厚度>纬向抗弯长度>经向线密度>经向伸长率El00>经向伸长率E20>纬向伸长率E20>纬向伸长率E5>纬向线密度>纬向伸长率El00>经向伸长率E5>经向密度>纬向密度。
从总体上看，棉织物的单位面积质量、经向抗弯长度、表观厚度对悬垂性能影响较大，这三个因素都与悬垂系数呈比较明显的正相关性。
3悬垂系数的灰色预测模型
由于织物各性能问的非线性关系及多个影响因素共同对织物悬垂性的作用，对悬垂系数多元线性回归分析时，因素间的共线性较弱，因素的不完全性，数理统计中的线性回归模型难以建立。灰色模型是灰色系统理论与方法的核心，其显著特点是生成函数和近似微分方程，该模型对悬垂系数的预测十分适用。因此，本文运用灰色预测方法，建立了悬垂性多元预测模型。
3．1灰色预测模型建立的原理
一般针对不同的问题灰色模型分为三类，本文选用其中的静态分析模型，即GM(0，N)模型。GM(0，N)模型的建模机理是：将原始数据作AGO处理，使其变为有规律的递增曲线后，再建模，模型不追求大样本量，因此GM(0，Iv)在一定程度上弥补了线性回归的不足。
3．2悬垂系数灰色预测模型的建立
根据关联度由大到小的顺序，连续取1个到14个棉织物性能参数分别与悬垂系数建立GM(0，N)。通过计算，取前两个棉织物性能参数时，建立的灰色预测模型误差最小，即为最优模型。因此本文根据棉织物悬垂性能的灰色关联分析结果，选取最具关联度的两个因素：单位面积质量和经向抗弯长度，建立悬垂系数的GM(0，N)模型。各试样悬垂系数、单位面积质量和经向抗弯长度的测试数据见表1。我们借助VB软件对建模步骤进行编程。输入相关数据后，经过VB软件计算，得出：b2=0．00156935，b=0．01326241，。=-0．06686022。
<<上一页[1][2][3]下一页>>
相关信息 
推荐企业 推荐企业
推荐企业
您所在的位置：
