生物质能的使用能够改善我国能源结构,有效解决能源危机与环境排放双重问题,因此具有极大的开发前景。生物质热解是实现生物质能高效利用的有效途径,其固液气三相产物在供能、农业、化工、半导体等行业都具有广泛应用。然而,由于生物质的多样性与热解机理的复杂性,对于热解产物分布及其特性尚缺乏综合全面的认识。本文使用机器学习方法对大量实验数据进行建模,基于生物质特性参数与工况条件准确预测热解三态产物产率及其相关特性,并对模型进行深度挖掘,成功量化原料特性与工况条件及其交互作用对生物质热解产物特性的影响方式,为生物质高效热解提供科学参考。论文将在以下方面开展研究:首先,使用多元线性回归与随机森林方法准确预测热解油产率及其氢含量（R~2＞0.84,RMSE＜2.13）。研究发现原料特性相比于工况条件对热解油产率及其氢含量影响程度更高。单因素与多因素分析表明具有较低固定碳含量（10.0～12.5 wt.%）和适中的灰分含量（2～6 wt.%）的生物质在较高的升温速率（＞150℃/min）下对油产率的提升具有协同作用,同时适中的热解温度（500～600℃）与粒径大小（1.0 mm）对提升油产率也具有一定协同效应;原料的氢含量则是决定热解油氢含量的关键因素,呈现显著正相关关系。然后,使用极端梯度提升与随机森林模型对热解炭产率与其碳氢比进行准确预测（R~2＞0.86,RMSE＜2.67）,敏感性分析表明热解终温为影响热解炭产率及其碳氢比的关键因素,分别呈现显著负相关与正相关关系。研究还进一步发现具有较低碳元素与氢元素的原料在热解温度不断提高的条件下,对提高炭产率的协同作用将愈发显著,同时,较小的粒径（＜0.5 mm）与较低的原料氢含量（5.4～6.8 wt.%）在较高的热解温度下将协同促进热解炭碳氢比。最后,引入特征降维方法,使用支持向量机与随机森林方法对热解气产率及其组分进行准确预测（R~2＞0.85,RMSE＜5.7）。模型表明热解工况对热解气产率、CO2与H2体积比具有更高的影响程度,原料特性则对CH4与CO体积比有更多决定作用。因素分析还表明选用高碳含量与低氧含量的生物质将会降低CO2体积比同时提升CH4体积比。较小的原料粒径与高热解终温将会提升热解气产率与H2体积比,原料挥发分含量则是决定CO体积比的最关键因素,并呈现正相关特点。