基于自编码器和图注意力网络的多工序制造质量预测方法

本发明涉及基于自编码器和图注意力网络的多工序制造质量预测方法。其中的方法包括：获取生产线上各工序的流程工艺传感器检测获得的时序特征数据，构建总流程工艺数据集，输入到半导体多工序质量预测模型中，对数据集进行预处理，按照阶段数量对特征进行分组后，将每个阶段内的特征输入到多层堆叠自编码器中，以特征降维到同一维度得到最后的中间特征，将获得中间特征作为图注意力网络的节点输入，迭代更新得到最终的节点输出，其中，图注意力网络采用残差机制，将最终的节点输出作为最后的前馈神经网络的输入，获得质量特征回归预测。本发明通过自编码器特征降维技术和图神经网络数据挖掘技术结合，实现多维度多阶段建模。