灰色双重残差修正的多芯片组件寿命预测

使用多个具有较长寿命的核心框架组的灰色模型的使用不足准确性，并且问题的精度也提高了，并且由具有较长寿命的多层框架组提高。通常，在将基础知识转换为检索方法后，已经创建了灰色GM（1,1）模型，并引入了灰色残留模型，并纠正了双重残差。在热循环加速度的条件下，可以由标准的多核膜组确定最小像素的数量。以下内容：测量灰色模型的方法，如何提交信息较小。 。

针对利用传统灰色模型进行多芯片组件寿命预测时存在的精度不足,以及预测精度随时间跨度增加而显著降低的问题,提出马尔科夫-尾段双重残差修正的多芯片组件寿命灰色预测方法。将在灰色GM(1,1)模型预测值基础上经马尔科夫法优化后的残差作为尾段灰色残差模型的输入值,实现双重残差修正。以对热循环加速试验条件下得到少量试验数据的影响多芯片组件寿命的电阻值进行寿命预测为例,试验结果表明,相较于传统灰色模型和神经网络预测方法,所提出方法在小样本条件下平均残差分别减小了80.469%和68.53%,预测精度得以提高,结果更加可靠,能够更准确地预测多芯片组件的寿命。