多维意象下产品造型满意度预测模型研究

为均衡有效地满足用户多维复合意象的情感需求，提升多维意象下产品造型与用户满意度的匹配程度，提出一种结合熵权法与BP神经网络的产品造型满意度预测模型。以老年代步车为例，建立了产品造型元素集和多维意象集，采用语义差分法获取了样本评价值，并采用熵权法计算多维意象权重；将样本造型元素进行编码作为第1层BP神经网络模型的输入变量，将多维意象加权评价值作为第1层输出变量和第2层BP神经网络输入变量；将用户满意度评价值作为第2层BP神经网络输出变量，并通过K-fold交叉验证法训练和测试双重BP神经网络预测模型，验证结果显示：预测模型满意度MSE值小于0.01,表明该模型能有效映射多维意象下产品造型与满意度间的隐性关联。运用该模型对300个新方案进行预测，快速决策出最佳方案，为设计人员提供参考。