本文的研究内容主要分两部分：一是关于煤的结构参数的计算及在煤炭分类中的适用性研究；二是对动力配煤煤质指标的计算方法的研究。我国煤炭分类标准《中国煤炭分类》利用多个指标进行煤炭分类，其优点在于分类更加明确，缺点在于指标多，不够直观，不易于指导实际煤炭的开发利用。本文基于有关文献提出的“结构-化学煤炭分类方法”，研究煤结构参数对我国煤炭分类的适用性。根据煤中碳、氢、氧、氮、硫五种元素含量，计算出煤的各结构参数，并由这些参数来对各牌号煤进行分类研究。本文共研究了五种煤的结构参数：化学结构不饱和度参数δ、有机结构碳骨架的还原参数B、芳碳率f_a、H/O原子比、修正的结构参数η’。结果发现：就我国的煤样数据而言，δ和B两个参数可以将3种无烟煤较好的分开；而芳碳率f_a和修正的结构参数η’也能将常用的动力用煤大致分开；芳碳率f_a和H/O原子比两个参数对炼焦用煤分类效果较好。目前，动力配煤技术的应用已成为一种趋势，与此同时，对配煤指标的研究也越来越多。本文用BP神经网络和Elman神经网络分别研究了单煤煤质指标与配煤煤质指标之间的关系，并以3种单煤的配比、水分、挥发分、发热量、灰分共15个神经元为输入，一起和分别以配煤的挥发分、发热量、灰分为输出建立煤质指标的预测模型。研究发现：不论是BP网络还是Elman网络，其单指标预测的最优结果都要比三指标同时预测的最优结果好；数据的预先归一化处理使得BP网络的计算结果更好，但对Elman网络的计算结果则效果不明显；Elman网络建模计算的各指标取得最优R值时所需的隐含层节点数普遍比BP网络相应模型计算的各指标取得最优R值时所需要的隐含层节点数多；在所有计算结果中，用BP归一化方法预测的最优结果最好，在对文献中48组数据预测计算中，挥发分、发热量和灰分对应其模型的隐含层节点数分别为9、5、6，此时对应的平均相对误差R值各为8.98%、4.21%、8.01%。