卷烟理化参数与烟气化学参数的关系，是多年来烟草行业科技研究关注的问题，也是卷烟质量控制的必要因素。本文以某牌号卷烟的理化参数和烟气化学参数为研究对象，首先针对模型中多因子混合水平的实验设计问题，采用基于能量最低的遗传算法进行了实验设计，并编写了相应的软件。并用该软件进行了实验设计。针对研究体系，我们对模型进行了抽象，针对Y=F(x)模型，利用数据库技术，开发了集模型管理、数据样本管理和建模、预报于一体的通用性处理软件。软件可以支持用户从大的数据集合中挑选合适的子集进行建模。软件中包括MLR、PCR、PLS、神经网络和遗传算法-PLS联用5种建模方法，提出了在多变量参与建模时用遗传算法快速地挑选合理的变量方法，将交叉验证方法嵌入PCR、PLS方法中，用交叉验证法检验样本中的奇异样本点。软件中也包括了对模型进行可靠性评估的方法。根据实验设计进行实验之后，我们用建模软件对实验数据进行了建模分析，初步分析出一些明确的卷烟参数关系，分析结果显示，烟草的模型是一个非线性模型，PLS、GA-PLS、BP算法各自对烟碱、焦油和CO平均相对误差分别为，7.5％，6.3％，5.9％：5.8％，4.4％，5.2％；5.5％，4.8％，5.7％。用建立的模型对后来的实际实验的结果进行预报，各平均相对误差分别为，9.1％，6.1％，4.7％；5.1％，3.4％，4.7％；4.4％，3.1％，4.2％。检验集预报结果说明神经网络预报值与实际值更加接近。证明神经模型可以比较准确地说明问题，利用模型揭示的变量关系，可以从理化参数设计方面来指导卷烟产品设计，并达到控制和降低烟气焦油量的目的。