Con el continuo aumento de la demanda de energía en la industria aeroespacial, el transporte marítimo, la electricidad y otras industrias, se han planteado una serie de requisitos de fabricación como alta precisión, estructura compleja y paredes delgadas para las turbinas de gas. Las palas de la turbina de gas son las partes clave de la turbina de gas. Su precisión de fabricación afecta directamente la economía de combustible de la turbina de gas. Por lo tanto, cómo mejorar la precisión de fabricación de las palas de la turbina de gas siempre ha sido un tema de investigación candente. En este estudio, realizamos un estudio cuantitativo sobre la correlación entre los parámetros del proceso y la contracción general del patrón de cera de las palas de la turbina de gas en el proceso de inyección de cera. Se desarrolla un modelo de predicción basado en una red neuronal de regresión generalizada (GRNN) con las nuevas características de sección transversal definidas que consisten en área, relación de área y algunas desviaciones de puntos discretos. En el análisis cualitativo de las características de la sección transversal, se concluye que la mayor precisión del patrón de cera se obtiene para el cuarto grupo de experimentos, que corresponde a una presión de mantenimiento de 18 bares, un tiempo de mantenimiento de 180 s y una temperatura de inyección de 62 grados Celsius. El modelo de predicción se entrena y prueba con base en pequeños datos experimentales, resultando en un RE promedio del 1.5% para el área, un RE promedio del 0.58% para la relación de área y un MSE máximo de menos de 0.06 para las desviaciones de puntos discretos. Los experimentos muestran que el modelo de predicción GRNN construido en este estudio es relativamente preciso, lo que significa que la contracción de los principales procedimientos de fundición a la cera perdida restantes también puede ser modelada y controlada por separado para obtener palas de turbina con mayor precisión.