当今社会,随着国家的经济快速发展,卷烟市场环境在提出“卷烟结构升级、终端形势裂变、消费市场转型”的背景下,准确采集卷烟市场数据,并实现分析市场状态信息和应用信息,直接关系到烟草行业对卷烟零售市场的掌控能力与反应能力,直接决定着商品投放、货源采购、终端建设、需求预测以及品牌培育等工作的进行,也直接影响卷烟营销的发展,准确预测当前的卷烟市场状态并实行卷烟调控,在烟草行业对调控市场竞争力、新品投放策略、卷烟营销等其他领域有很大的研究指导意义。为研究和准确预测卷烟市场状态并构建卷烟市场状态预测模型,本文通过对2017-2019江西省的卷烟指标项数据(包括卷烟销售价格、社会存销比、投放量、订购量等指标数据),做了相关性系数分析、数据离散化、K-means聚类分析并对实时增加和变化的市场状态数据提出了一种基于BDeu评分的增量学习的贝叶斯网络结构学习方法,该方法通过运用BDeu评分功能来获得用于构建评估网络结构中是否应该需要增量学习评估的标准,并利用Hill-climbing搜索算法检索当前状态下最优的贝叶斯网络结构,以此来提升贝叶斯网络预测模型的预测性能,并把相关卷烟数据指标项也输入到SVM算法预测模型、AdaBoost算法预测模型、GBDT算法预测模型等机器学习算法预测模型中进行调参和优化与本文提出的方法做对比分析,通过对当前的卷烟市场状态预测和分类研究和各机器学习算法模型评价指标对比实验,实验结果表明该基于BDeu评分的增量学习的贝叶斯网络结构学习方法的贝叶斯网络智能模型能够精准预测出卷烟的市场状态,准确反应市场状态的趋势。最后,设计并实现了江西省卷烟市场状态监测平台,包括前端平台和后台管理系统两个部分,后台管理系统主要实现了各原始卷烟指标数据和新的指标数据的查询和展示,制定规则,建立模型;前端平台实现了对个卷烟各品牌日常销售数据的监测和展示,预测分析当前的市场状态;查询历史预测的市场状态概率,卷烟市场调控进度展示,帮助供应商监测整个卷烟市场状态和卷烟调控进度。