近年来,随着机器学习和数据挖掘技术的高速发展,工艺参数等工业生产数据的价值得到广泛关注。异烟酸是合成抗结核药物重要的医药中间体,也可用作抗腐蚀剂、电镀添加剂等,具备广阔的应用前景。本文以优化异烟酸收率为目的,通过对数据集分析、特征构建、建模等方式,实现异烟酸收率预测并进行工艺流程优化探索。主要研究如下:（1）本文基于异烟酸生产数据集,通过缺失值补齐、异常值处理、数据优化等方式对数据集进行预处理,避免因数据异常对模型准确性造成影响。同时结合异烟酸生产工艺,利用P值、协方差、方差分析特征之间关系,为构造特征和数据降维提供理论依据。（2）特征构建是数据挖掘研究的主要内容,很大程度上决定模型的泛化能力,通过对基础数据集分析并结合特征之间的关系,构造异烟酸生产过程中隐含的特征。在特征筛选阶段,本文基于Pearson和Boruta算法提出了PBoruta特征筛选算法,通过实验表明,PBoruta算法不仅提高了模型准确度而且实现数据集优雅降维。（3）基于数据预处理、特征构建后的数据集,使用GBDT、XGBoost、Light GBM模型对异烟酸收率进行预测。通过对比预测结果,得到模型最小损失函数所对应的特征集合和最优均方误差。（4）基于PBoruta算法选取的核心特征划分实验组与对照组数据集,构建异烟酸生产工艺参数对收率均方误差影响模型,通过多组对照实验,根据模型均方误差的波动情况,分析主要特征对异烟酸收率的影响,并结合生产过程对异烟酸制取工艺流程提出优化建议。