换一批基于鲸鱼算法优化的BP神经网络的尿液成分浓度预测方法
Prediction Method of Urine Component Concentration Based on BP Neural Network Optimized by Whale Algorithm
摘要针对尿液成分浓度实时分析精度低的问题,提出了一种颜色传感器结合WOA算法优化BP神经网络的预测方法.利用颜色传感器采集尿液试纸条上各试剂块的RGB值,并通过白平衡原理校准数据,利用Kubelka-Munk和Beer-Lambert定律构建反射光与浓度的关系.通过参数优化模型最小化目标函数以消除系统误差,基于最小二乘法建立色标卡颜色值与浓度的数学模型.采用WOA算法优化神经网络的权重和阈值,并使用大量数据训练BP神经网络对颜色值与浓度进行回归分析.实验结果表明,预测值与真实值的MAE为3.141 5,RMSE为4.328,R2 接近1,WOA-BP神经网络模型对尿液成分浓度预测具有高精度和准确性.
更多相关知识
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.1672-9870.2024.05.012
发布时间
2024-11-20（万方平台首次上网日期，不代表论文的发表时间）
基金项目
吉林省科技发展计划项目（20240404062ZP）
吉林省科技发展计划项目（20220201092GX）
- 浏览5
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
