卷烟生产制丝含水率的稳定性是评价卷烟感官质量的重要指标。 为实现卷烟生产制丝线回潮、加料、烘丝三个工序的烟丝水分智能联动预测和智能控制。本项目采用熵权法将自适应学习率优化算法RMSProp（Root Mean Square Propagation）和自更新LightGBM（Light Gradient Boosting Machine）算法进行最优加权组合，建立烘丝出口水分组合联动预测模型。生产进入稳态后，采用改进模拟退火和规则库相结合，建立烘丝出口水分智能联动控制模型。一方面，工艺人员可以离线模拟工序水分之间的关联关系，根据回潮工序的含水率，可以预测加料工序、烘丝工序的含水率趋势。同时，给定烘丝的目标含水率，可以反馈预测回潮工序、加料工序期望的目标含水率。另一方面，智能预测系统可以根据生产实际情况，实时调整模型，实现在线对回潮、加料、烘丝三个关键工序的水分进行智能联动预测。生产验证结果表明，组合模型对烘丝出口水分的预测和控制精度高，解决了单一模型受季节性影响波动较大、不同生产批次预测效果不稳定、自适应学习率优化精度不高、控制模型过于依赖预测模型的精度等缺陷。实现了组合智能算法的烟丝出口水分实时精准预测和控制。