2024年4月，工程中心耿志强教授团队在人工智能应用领域国际权威期刊《Expert Systems With Applications》（中科院一区Top，影响因子8.5）发表创新研究“Noise adaptive filtering model integrating spatio-temporal feature for soft sensor”（卷239，文号122453）。
本研究针对软传感器提出了融合时空特征（ST）的噪声自适应滤波（NAF）模型（ST-NAF），攻克工业复杂噪声环境下软测量精度不足的行业痛点，实现了噪声和数据特征之间的平衡，以减少噪声对软传感器结果的影响。门控递归单元提取工业过程数据的时间特征。通过动态门控图注意力提取监测点之间的交互关系，以获得时空特征。NAF将时域特征转换为频域特征，通过噪声滤波矩阵自适应选择具有重要信息的频域分量，将选择的频域分量转换到时域得到去噪时空特征，最后由自注意力学习去噪时空特征与输出变量之间的动态关系来预测关键指标。
与公共数据集和实际工业过程数据集中的其他去噪软传感器模型相比，ST-NAF取得了最先进的结果，并且所提模型的预测精度在R2方面分别提高了4.5%和10.0%。实验表明ST-NAF可以自适应地从工业噪声数据中选择有用信息，实现对关键指标的准确预测。
文章第一作者为胡渲，硕士生导师，北京化工大学控制科学与工程专业博士，北京化工大学化学工程学院博士后，主持国家自然基金青年项目、担任中国自动化学会网络计算专委会委员，研究领域包括时间序列预测、复杂化工过程智能建模、化工安全、能效分析与优化。第二作者为张天雨，时序预测方向硕士研究生。通讯作者为韩永明，教授，博士生导师，国家优青，计算机系系主任；耿志强，教授，博导，现为智能过程系统工程教育部工程研究中心主任、北京化工大学数据科学与工程研究中心主任、中国自动化学会理事过程监控与优化领域权威学者。
《Expert Systems With Applications》是人工智能工程化应用的旗舰期刊，连续十年位列JCR-Q1区，聚焦智能决策系统、工业AI模型、跨域知识推理等前沿方向，以"理论-技术-落地"三位一体评审标准著称，年均录用率仅21%。