针对片烟复烤过程中关键质量指标出口烟叶含水率难以直接在线检测,且离线化验滞后严重的问题,提出一种改进在线序列极限学习机(Online Sequential Extreme Learning Machine,OSELM)的复烤干燥过程自适应建模方法,实时在线检测干燥区出口烟叶的含水率。首先,采用专家知识与互信息方法选择与烟叶含水率相关性最强的辅助变量,增强模型的泛化能力并降低复杂度。然后,针对复烤过程的强非线性和显著时变特性,提出一种基于自适应遗忘因子的OSELM建模方法,设计的自适应遗忘因子策略能够根据复烤工况的变化动态迭代更新,以此增强软测量模型对复杂工况的在线跟踪能力。最后,基于某复烤厂的实际生产数据进行实验,结果表明,相较于传统软测量建模方法,本文方法具有较高的在线检测精度和响应速度,证明了该算法的有效性和优越性。