大豆蛋白纤维是一次新型环保材料的尝试与进步．纤维呈米黄色．具有良好的服用性能．极具经济价值和广阔的应用前景⋯ 但目前仍面临一些亟待解决的问题：如纺纱、织造、印染和后整理方面的一些关键技术．其中．纤维的漂白是重要问题之一通常漂白工艺的影响因素较复杂．为了提高大豆蛋白纤维的漂白效果．需进行大量的实验研究．掌握规律人工神经网络是用计算机模拟人脑神经网络的结构与功能特征的一种信息处理系统[3] 由于具有很强的非线性映射能力和柔性的网络结构．人工神经网络适用于相关因素众多、影响复杂、难以建立确定数学模型的对象．是一种理想的非线性预测模型在人工神经网络的实际应用中．绝大部分采用基于误差反向传播算法的BP网络及其变化形式BP神经网络由1个输入层．1个输出层和至少一个隐含层组成．具有设计简单、计算速度快的特点,本研究在实验数据的基础上．采用MATLAB编程．通过建立过醋酸漂白工艺参数与白度值关系的BP神经网络模型．对白度值进行分析预测．考察漂白工艺各参数对白度值的影响．达到优化工艺参数的目的。1 BP神经网络建模1．1 网络结构与参数选取 神经网络的结构包括层数、各层中的神经元数以及神经元的连接方式 网络的层数和各层的神经元数取决于构造网络的用途．通常用试差法确定, 本文采用一个输入层、一个隐含层和一个输出层结构的网络输出层和输入层的神经元个数分别为目标值及其影响因素的个数[8] 本文的目标值为织物的Hunter白度值：通过对漂白工艺中自度值影响因素的分析．结合染整工艺和经验，选择漂白剂浓度、漂白温度、漂白浴pH值以及漂白时间等4个主要影响因素作为输入参数。这样，输入层和输出层分别由4个和1个结点组成，见图1。

对于网络模型隐含层的神经元数的确定．目前在理论上并无规律可循．可通过对不同神经元数的网络性能进行综合比较来确定[9]。本文通过对不同隐含层结点数的考察．综合比较迭代次数

．预测误差后．确定隐含层结点数为20。部分数据见表1

除网络结构外．学习速率和算法(训练函数)的选择对网络性能的影响也很重要采用不同的算法训练网络会导致不同的收敛速度和预测效果[1O] 本文用多种训练算法和多种学习速率对训练数据进行测试．通过综合比较．最终采用的算法为Levenberg?Marquardt．学习速率为0．03．此时网络收敛和预测的效果最好