1.半导体先进过程控制的参数优化控制方法，包括以下步骤：S1：对经过工艺加工后晶圆的至少一个相关工艺参数进行实时的数据采集；

S2：利用遗传算法建立半导体工艺参数BP神经网络非线性预测模型；

S3：利用步骤S2所述BP神经网络非线性预测模型对晶圆的相关工艺参数进行预测；

S4：对步骤S1中实时采集的数据与步骤S3中预测模型预测的数据进行指数加权移动平均控制算法处理，进而调整所述晶圆当前的工艺参数，然后转入步骤S1，直至完成工艺过程。

2.根据权利要求1所述半导体先进过程控制的参数优化控制方法，其特征在于：步骤S2中所述建立半导体工艺参数BP神经网络非线性预测模型的具体步骤为：S21、根据步骤S1所述相关工艺参数随机初始化BP神经网络的所有初始权值和阈值，并由所述初始权值和阈值构建遗传算法的初始种群并进行实数编码；

S22、根据初始种群中的个体，用所述相关工艺参训练BP神经网络后预测输出，将预测输出和期望输出相减得到误差绝对值，并误差绝对值将作为个体适应度值；

S23、对个体i进行选择操作，个体i的选择概率为：fi=k/Fi

式中：Fi是个体i的适应度值，k是系数，N是种群个体数，pi是选择概率；

S24、交叉操作：在任一代种群中将两个个体的染色体随机搭配成对，以交叉概率交换它们之间的某个或某些位点，从而产生两个新的个体；第u个染色体和第j个染色体在l位的交叉操作方法为：aul=aul(1-b)+ajlb

ajl=ajl(1-b)+aulb

式中：b∈[0,1]；

S25、变异操作：从种群中任选一个个体，选择染色体中的一点进行变异以产生更优秀的个体；第i个个体的第v个基因的变异操作方法为：式中:amax是基因aiv的上界；amin是基因aiv的下界；r1是随机数；g是当前迭代次数；

Gmax是最大进化次数；r∈[0,1]；

S26、计算适应度值，判断是否满足结束要求，如果不满足要求，则返回到S23。

3.根据权利要求1所述半导体先进过程控制的参数优化控制方法，其特征在于：步骤S3包括，根据步骤S1中实时采集的数据确定BP神经网络的输入节点数和输出节点数，由BP神经网络的输入节点数和输出节点数确定隐含层的节点数，其中选择隐含层节点数len的公式为：len＜n-1

Len=log2n

式中，n为输入层节点数；m为输出层节点数；a为 之间的常数。

4.根据权利要求3所述半导体先进过程控制的参数优化控制方法，其特征在于：所述输入节点数根据控制模块的输出变量确定，输出节点数根据非线性的工艺过程模块输出的检测变量确定。