高分子材料配方变更会引发质量风险，存在难以量化预测、跨阶段传播机制不明确等情况。为此提出一种基于数字孪生的全生命周期质量风险预测模型。此模型融合高分子物理机理及数据驱动算法，建立“机理引导-数据驱动”混合框架，打通PLM与QMS数据链路，达成配方变更的实时映射、动态风险推演。运用动态贝叶斯网络来刻画风险跨阶段传播，借助物理信息融合网络XGBoost-LSTM实施性能残差补偿。以聚丙烯填料变更和PVC稳定剂替换案例做验证，该模型能把配方变更试错成本降低约32%，审批周期缩短28%，跨配方泛化能力显著优于纯数据模型。