针对城市固体废物(Municipal　solid　waste,　MSW)焚烧过程,数据具有异常值和特征变量维度高时,炉温预测模型的准确性和泛化能力欠缺的挑战性问题,提出一种鲁棒加权异构特征集成建模方法,用于建立城市固体废物焚烧过程炉温预测模型.首先,依据焚烧过程机理将高维特征变量划分为异构特征集合,并采用互信息和相关系数综合评估每组异构特征集合的贡献度;其次,采用基于混合t分布的鲁棒随机配置网络(Stochastic　configuration　network,　SCN)构建基模型,同时确定训练样本的惩罚权重;最后,设计一种鲁棒加权负相关学习(Negative　correlation　learning,　NCL)策略,实现基模型的鲁棒同步训练.使用国内某城市固体废物焚烧厂的炉温历史数据,对该方法进行测试.测试结果表明,该方法建立的炉温预测模型在准确性和泛化能力方面具有优势.