融合赋权与改进支持向量回归在MOS风险评估中的应用

摘要

针对连续化氯硅烷法制备甲基三丁酮肟基硅烷(MOS)工艺中风险因素复杂、评价主观性强及模型适应性不足等问题，提出一种融合组合赋权与改进支持向量回归(SVR)的风险评估方法。从人员、物料、设备与管理4个维度构建风险指标体系，采用层次分析法与熵权法分别计算主客观权重，并基于博弈论进行权重融合;利用核主成分分析(KPCA)对高维指标进行降维，提取主要特征因子作为输入，建立风险预测模型;引入牛顿-拉夫逊优化算法(NRBO)、斑马优化算法(ZOA)和鱼鹰优化算法(OOA)对SVR模型参数进行调优，构建多模型对比框架。结果表明:SVR模型整体预测性能优于LSSVM和RF等基准模型;进一步优化后的KPCA-NRBO-SVR模型表现最佳，其均方根误差、平均绝对误差和平均绝对百分比误差较基准SVR模型分别下降35.66%、43.40%和43.45%，决定系数提升4.11%，显著提升了MOS工艺风险评估的精度与可靠性。所提出的融合组合赋权与KPCA-NRBO-SVR的风险评估方法可为MOS生产工艺的风险智能评估提供新的技术支持。

关键词

工艺风险评估 / 组合赋权 / 核主成分分析 / 支持向量回归 / 牛顿-拉夫逊算法