在水泥熟料性能的控制和优化中，需要及时有效地检测水泥熟料f-CaO含量。目前，水泥厂多采用人工取样和实验室检测的方法来检测熟料中的f-CaO含量，测量结果有很大的滞后性。针对水泥熟料f-CaO含量检测结果滞后的问题，基于水泥熟料生产数据，利用级联森林算法建立了预测模型。首先，通过对水泥熟料生产工艺和f-CaO产生原因机理进行分析，选择了模型的14个输入变量，如生料喂料量、分解炉出口温度、回转窑电流等。其次，采用滑动时间窗口方法构建时间序列，使模型输入包含更多的时序信息。最后，将提出的预测方法与3种传统机器学习模型进行对比。结果表明：该方法具有更高的预测精度和更强的泛化能力，为水泥熟料生产过程中的f-CaO含量预测提供了一种新的解决方案，对于水泥生产过程的控制和优化具有重要意义。