内容简介：烟草复烤工艺的关键参数对最终产品质量至关重要，传统依赖经验的参数调控方式存在稳定性差、响应滞后等问题，难以满足现代工业生产需求。为此，基于XGBoost机器学习算法，构建烟草复烤工艺参数智能预测模型。首先，分析复烤工艺流程与关键质量指标，建立高效的数据采集与特征工程方法。随后，优化XGBoost模型参数，并结合特征选择策略，提高预测精度与模型鲁棒性。实验结果表明，该方法在工艺参数预测上具有较高准确性和稳定性，相较于传统方法和其他机器学习模型，显著提升了复烤工艺的智能化水平。研究成果为烟草加工过程的数字化和智能优化提供了有效支持，有助于提高产品质量与生产效率。