木材是全球应用最广泛的工程材料之一。面临世界森林资源日益减少所带来的环保和生态问题，如何有效地利用木材资源、降低能耗、提高木制品质量已引起各国政府的广泛关注。我国是一个森林资源不足的国家，木材的需求量已大于供给量，改善木材使用性能，提高其利用率，已成为木材科学工作者研究的前沿课题。木材干燥是木材加工中的必备环节，是改善木材物理力学性能、保证木制品质量、减少木材降等损耗、提高木材利用率的重要技术措施。木材干燥是一个复杂的强耦合非线性动力学系统，在干燥过程中存在外界的干扰和模型的不确定性，如何建立有效的干燥模型是木材干燥的重要基础研究内容之一，也是实现干燥全自动控制，提高干燥质量，减少能量消耗，缩短干燥时间的先决条件。本文针对木材干燥过程存在非线性的特点，分别建立了木材BP神经网络模型和动态递归神经网络模型，从静态和动态两个侧面对木材干燥过程进行建模；分别利用自适应加权数据融合算法和算术平均值与递推估计算法对两模型输出进行融合，建立了能够根据木材含水率变化的不同阶段在线调整的融合模型，提高了模型的泛化能力。本文针对木材干燥过程存在强耦合的特点，利用偏最小二乘的多重共线性分析和非线性回归能力，分别建立了基于偏最小二乘的木材干燥过程回归方程和偏最小二乘与神经网络的混合模型，建立的模型能更准确的反应影响木材含水率变化的环境因子，通过实际测试干燥数据进行仿真，验证了数据融合算法解决木材干燥动态建模问题的可行性。