《表5 预测误差比较：基于GRA和AHP的GRNN神经网络零件失效概率预测方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于GRA和AHP的GRNN神经网络零件失效概率预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

现将加权评价值矩阵中2008～2013年数据作为训练样本，2014年、2015年作为预测样本，利用本文所提出方法对上齿盘失效概率进行预测.为了验证本文方法的有效性，设立了6组预测模型进行对比，每种预测模型的输入数据均经过了式（6）的标准化处理.（1）基于GRA的GRNN神经网络预测模型，以影响零件失效概率的主要因素评价值作为GRNN神经网络的输入，失效概率作为输出；（2）GRNN神经网络预测模型，以零件失效概率影响因素评价值作为GRNN神经网络的输入，失效概率作为输出；（3）基于GRA-AHP的BP预测模型，以影响零件失效概率的主要因素的加权评价值作为BP神经网络的输入，失效概率作为输出；（4）基于GRA的BP神经网络预测模型，以影响零件失效概率的主要因素评价值作为BP神经网络的输入，失效概率作为输出；（5）BP神经网络预测模型，以零件失效概率影响因素评价值作为BP神经网络的输入，失效概率作为输出；（6）回归分析预测模型.利用MATLAB进行编程，预测结果分别如图3、图4、图5、表5所示.