复杂系统或过程参数优化问题往往采用建模发现其潜在规律,再通过优化方法利用该规律获取最佳工艺参数。而建模误差的存在,往往使优化解与实际最佳工艺参数存在差距,难以获得理想性能。为此提出一种基于误差补偿模型的优化决策方法,通过分析并选取影响建模误差的因素,构建误差补偿模型,修正模型,提高决策性能。首先,从数据挖掘角度建立复杂工艺近似模型,并分析影响建模误差的主要因素;其次,以训练误差为导师信号,利用BP网络建立影响因素与建模误差之间的函数关系,确定误差补偿函数;最后,将近似模型与补偿函数叠加作为最终的工艺模型。数学仿真与电路系统优化实验结果表明：误差补偿后,仿真模型得到的优化函数最优值相对误差降低9.63%,而电路系统中决策参数的超调量下降2.17%。可见,补偿模型优化参数控制效果优于近似模型,验证了所提方法对于提高工艺参数优化决策性能有效性。