燃煤引起的汞排放已经成为大气汞排放的最主要来源,对人类健康和生态环境造成极大的危害,其相关研究已成为当今国际前沿课题。　　本文以MATLAB神经网络工具箱为软件平台,利用编写的BP网络程序,并针对BP神经网络训练速率慢和容易陷入局部最小值的缺陷,选择学习率可变的动量BP算法训练函数训练网络。并基于数据易收集,参数易量化和影响权重相对较大的原则,在众多的影响因子中特选煤中汞含量、煤的发热量、煤中氯含量、煤中硫含量、灰份含量、ESP出口烟温为本文建立网络的输入。以ICR采样的数据为样本,建立电厂汞排放的预测模型。预测结果表明采用BP神经网络预测燃煤电厂汞排放的可行性,具有较高的实用价值。　　采用OHM方法,对青山热电厂200MW机组燃煤Hg排放进行了现场采样分析。同时测量分析了烟气组分HCl、HF、SO2、NO等对烟气汞形态转化的影响。测量结果显示,随着烟气流程,烟气中气相总汞浓度降低,氧化态汞比例逐渐升高;飞灰对Hg有一定的氧化吸附作用,且更易吸附氧化态的汞。燃煤烟气中的卤素化合物形态主要为HF和HCl,Cl2浓度极低。HF、HCl和SO2与Hg的氧化显示了一定的促进作用,但详细机理还需进一步探讨。　　基于第三章中建立的汞排放预测模型,对青山电厂的汞排放进行了模拟预测,与采样结果对比,模型表现出了一定的预测精度,为燃煤电厂汞排放的研究奠定了一定基础。