烟草行业是当前促进全省乃至全国经济持续健康发展的重要支柱产业。烟草的生产具备精细的工艺流程,其中,决定卷烟质量的最关键因素是烟丝的水分含量,而松散回潮工序是控制水分的关键环节之一。目前,松散回潮的产品品质控制面临变量多、可控性不强、工序冗杂等挑战,因此,如何有效控制烟丝出口水分成为了目前制丝工艺流程中的重要问题。本文基于贝叶斯网络分析方法,构建出以松散回潮加水量、松散回潮滚筒转速、松散回潮工艺热风温度、松散回潮工艺流量、松散回潮单位时间物料累计量和松散回潮出料含水率为节点的网络模型。由于制丝过程流程长且设备种类繁杂,故应先建立有效数据截取规则,并依此规则借助R软件完成数据的预处理工作,同时将有效数据集划分为训练集和测试集两组。基于变量间的相关性,构建出连续数据的贝叶斯网络拓扑结构图,通过结构图计算出5个关键参数对出料指标的影响权重大小,为后文的节点变量排序提供参考。为了进一步构建松散回潮出料含水率预测模型,首先,依据制丝工艺标准对所有参数指标进行离散化处理,将松散回潮出料含水率划分为小于16,[16,17),[17,18),[18.19)和大于等于19五个区间。然后利用训练集数据,借助MATLAB软件中的BNT工具箱进行贝叶斯网络结构学习和参数学习,得到基于贝叶斯网络的松散回潮出料含水率预测模型,并利用团树传播算法完成网络推理。再导入测试集数据,从网络模型的学习精度和预测准确率两个层面进行模型验证,结果表明模型具有较高的准确性。最后,在模型的应用阶段,根据构建的贝叶斯网络模型结构,可以直观得到影响出料含水率的直接因素和间接因素,并基于此提出制丝工艺中的参数优先调整方案;同时,根据预测结果,找到使出料含水率控制在[17,18),[18.19)两个区间时其他工艺参数的最优取值区间,并给出此时的出料含水率取值分布图,并与总体数据的取值分布进行对比验证。结果表明,该最优取值方案能够有效增加松散回潮出料含水率取值落入标准值区间的概率,可为进一步优化制丝工艺过程、实现精细化管理提供技术支持。