烘丝机作为烟丝生产的重要机械,其工艺参数的选择与优化直接影响了产品的质量与生产效率。由于烘丝机工艺参数欠样本空间并未包含全部特征样本点,导致了欠样本空间数据预测精度较低,影响工艺参数的研究,然而目前并未提出有效的方法对烘丝机工艺参数欠样本空间进行处理。为提高欠样本空间样本数据预测精度,本文以烘丝机工艺参数欠样本空间为研究对象,提出了一种基于生成式对抗网络的烘丝机工艺参数欠样本空间处理方法,并构建了数据生成模型,具体研究内容及主要结论如下:(1)对烘丝机的工作原理、叶丝干燥工艺过程进行了分析,并依据数据采集方式特点对工艺参数特征进行了研究,得到了欠样本空间区域及其对数据预测精度的影响,提出对欠样本空间进行处理的必要性;(2)针对常规欠样本空间处理方法对于烘丝机工艺参数欠样本空间数据处理的局限性,提出了基于生成式对抗网络的欠样本空间处理方法,依据Pearson相关性分析法得到了工艺参数插补对象,并制定了烘丝机工艺参数欠样本空间插补规则,确定了欠样本空间样本数据插补值阈值和插补数据组数量;(3)针对欠样本空间插补值生成的问题,构建了欠样本空间数据生成模型,对判别器、生成器进行了网络结构构建、参数设计,并从损失函数和模型连接方式对数据生成模型进行了优化,得到了数据生成精度和学习效率更高的模型;(4)通过显著性检验法验证了数据生成模型可靠性,构建了基于BP神经网络的数据预测模型和多元回归模型并进行数据预测精度对比,验证了欠样本空间处理方法的有效性,证明了方法和模型对欠样本空间数据预测精度的提升。