2022年4月，我院制浆造纸工程系硕士生张楷在一区Top期刊《Building and Environment》（影响因子6.456）正式发表题为“Dynamic Slow Feature Analysis and Random Forest for Subway Indoor Air Quality Modeling”的研究论文。刘鸿斌副教授为论文的通讯作者，南京林业大学为第一作者单位。

软测量技术通过易测量的辅助变量构建数据驱动的预测模型，以实现对难以直接测量的关键变量的在线预测，一定程度上克服了传统硬件传感器的局限性。在工程实践中，通过集散控制系统收集到的工业大数据具有高维度、强动态和强非线性等复杂特性，这些都是影响软测量模型预测性能的重要因素。为了克服上述问题，本研究引入时滞常数构建了动态增广矩阵，并将其嵌入慢性特征分析模型，来处理数据中的高维度特性和强动态特性。在此基础上，结合随机森林模型构建了动态慢性特征分析随机森林模型来适应数据中的强非线性，同时实现对关键变量的预测。

为了评价动态慢性特征分析随机森林模型的建模精度，分别使用造纸厂废水工段数据和地铁站台室内空气质量数据进行验证。研究结果表明：所提出的模型相较于传统软测量模型具有更高的预测精度以及泛化能力，并在模型执行效率方面具有较大优势。

该项研究工作得到了中国博士后科学基金资助项目和山东省自然科学基金资助项目的资助。论文链接：https://doi.org/10.1016/j.buildenv.2022.108876