[发明专利]一种多晶硅还原炉内硅棒生长速率预估模型

摘要

本发明公开了一种多晶硅还原炉内硅棒生长速率预估模型，包括数据采集及预处理模块，用于通过传感器采集与硅棒生长速率相关的数据，并对采集的数据进行数据清洗；数据集筛选模块，用于对数据采集模块经过数据采集、数据清洗后的数据集进行筛选，得到训练集和测试集；训练和评估模块，用于对梯度提升决策树模型进行训练，利用平均相对误差以及合格率对模型进行评估，待预测模块，用于输入待预测特征向量；预测结果模块，用于将所述的待预测特征向量输入到预测模型中，输出预测结果。本发明摒弃了传统的理论研究中复杂化学反应对生长速率的影响，不用考虑繁复的化学反应，实现了对多晶硅生长速率的预估，为提高生产效率，缩短生产周期提供指导。

主权项

1.一种多晶硅还原炉内硅棒生长速率预估模型，其特征在于，包括以下模块：数据采集及预处理模块，用于通过传感器采集与硅棒生长速率相关的数据，构建数据集，并对采集的数据进行数据清洗；数据集筛选模块，用于对数据采集模块经过数据采集、数据清洗后的数据集进行筛选，得到训练集和测试集；训练和评估模块，用于对梯度提升决策树模型进行训练，利用平均相对误差以及合格率对模型进行评估，具体包括：(1)输入训练集，训练集中样本数为M；设置迭代次数T和损失函数L；所述的损失函数采用平方误差损失函数，其中y表示样本的真实值，y′(x)表示预测值；(2)初始化弱学习器寻找使损失函数最小化的常数值c：上式中，f0(X)为弱学习器，L(·)表示损失函数，yi表示第i个样本的真实输出值；(3)开始迭代，总共迭代T次(3‑1)计算负梯度计算每次迭代时损失函数的负梯度：rti＝yi‑ft‑1(Xi)；t＝1,2...T，i＝1,2...M，ft‑1(Xi)表示第t‑1次迭代得到的强学习器对样本Xi的预测值；(3‑2)利用(Xi,rti)拟合弱回归树，得到第t棵弱回归树；其对应的叶结点区域为Rtj，其中j＝1,2...J，J为第t棵弱回归树的叶子节点数，t＝1,2,...T；(3‑3)针对叶节点区域Rtj，找到拟合叶子节点最好的输出值ctj：(3‑4)更新强学习器：其中，ft‑1(X)为第t‑1次迭代时的强学习器，ft(X)为更新后的强学习器，v的取值范围是0＜v≤1，I表示指示函数，当Xi∈Rtj时，其值为1，否则为0；(4)迭代结束得到最终强学习器：其中，fT(X)为经过T次迭代后得到的强学习器；(5)利用测试集对强学习器进行评估，得到预测模型；待预测模块，用于输入待预测特征向量；预测结果模块，用于将所述的待预测特征向量输入到预测模型中，输出预测结果。