【摘要】为了推动大数据技术在制造车间的应用，针对复杂产品晶圆制造过程中海量制造数据时序性、强噪音影响加工周期预测精度的问题，提出考虑特征学习的改进粒子群优化长短期记忆网络(improved particle swarm optimization-long short term memory, IPSO-LSTM)的加工周期预测方法。采用降噪自编码器和稀疏自编码器联合构建深度自编码器，增强特征学习能力和抗噪能力；运用IPSO优化LSTM参数，克服时间依赖性，提升预测模型性能。实例验证了所提方法的预测精度优于传统机器学习方法，其平均绝对误差低于3%；并分析特征学习方法的有效性，将支持向量回归和多层感知器等传统方法加入特征学习方法，R~2分别提高了1.46%、1.05%，为晶圆加工周期的有效预测提供新的解决方法。