本发明涉及一种基于遗传算法的堆叠式集成学习的聚酯特性粘度控制方法，将采集的聚合过程参数及其对应的特性粘度先采用堆叠式集成学习的框架进行处理，利用遗传算法对框架中的初级学习器的组合和次级学习器进行选择，然后搜索最优的堆叠式集成学习算法结构并进行训练，生成基于遗传算法的堆叠式集成学习的聚酯纤维特性粘度控制模型；将当前过程参数作为输入变量输入到所述模型中得到聚酯纤维特性粘度的预测值；最后将预测值与理想值进行比较，依据比较结果对输入变量进行调整，由此得到一组理想的聚合过程参数。本发明的控制方法具有预测精度高、鲁棒性好、泛化能力强、可拓展性高的特点，能够有效对聚酯生产过程进行质量控制。