烟草生丝水分是烟草制丝生产过程中的关键指标,其控制效果将基本决定所生产烟丝的品质效果。为了提升烟丝质量,满足严格的烟丝生产工艺标准,确保生产出来的烟丝符合产品要求,需要提高烟草生丝水分的控制精度和稳定性。烟草生丝水分受到烟草制丝生产过程中各重要因素间的交叉影响,同时有高实时性要求和储叶大滞后影响。当前某卷烟生产企业主要依赖烟草制丝生产现场专家累积的人工控制历史经验进行烟草生丝水分控制,现场专家需要具备较高的业务实操水平,人工控制的滞后性也会影响整体烟丝的均质性。为提高烟草生丝水分的控制精度与稳定性,本文将机器学习算法与控制策略融合后提出一种数据驱动的烟草生丝水分预测控制方法。该方法采用随机森林算法和目标优化函数对采集的数据进行分析与计算,结合烟草制丝生产的工艺要求和现场专家累积的人工历史控制经验作为烟草生丝水分的输出判定标准,使用最小二乘法求解出符合要求的可解释结果。经某卷烟企业（生产品牌为“利群（新版）”）的实际数据进行验证后可知:对比三种方法的烟草生丝水分波动范围和标准偏差,本文提出的随机森林数据预测控制方法比烟草制丝生产现场专家总结的人工控制方法分别减小了0.3%和0.015%;对比三种方法的烟草生丝水分过程能力指数,本文提出的随机森林数据预测控制方法比烟草制丝生产现场专家总结的人工控制方法增加了1.5。本文提出的随机森林数据预测控制方法不仅能进一步减小误差,还能提高烟丝均质性。针对烟草生丝水分控制所涉及的工艺过程较多、影响因素繁杂和实时性要求较高等问题,本文设计实现了一套数据驱动的烟草生丝水分控制系统。系统以B/S架构为基础,系统后端用Flask开发框架提供逻辑编码、数据处理和权限管理等服务,系统前端以React开发框架为主提供页面展示与交互服务,My SQL提供数据库服务。本系统开发完成了身份认证模块、数据采集和存储模块、烟草生丝水分控制模块和数据展示模块。系统结果表明各模块达到预期目标,实现了烟草生丝水分的实时监控管理。