煤田地质与勘探

作者：董帅, 李红强, 吴志强, 俞尊义, 吕滋涛, 郭伟, 杨盼曦, 付柯鸣, 郝烜至, 刘根, 杨伯伦,

关键词：富油煤, 热解, 产物分布, 机器学习, 实验验证,

背景富油煤作为我国重要的煤基油气资源，其热解产物分布受煤质属性与反应条件耦合作用控制，快速识别产物分布规律对资源评价与实验设计具有重要意义。方法针对现有研究中富油煤专属数据整合不足、产物协同预测能力有限的问题，通过系统收集文献实验数据，构建包含工业分析、元素分析、元素摩尔比、显微组分及热解条件等信息的富油煤热解数据集，并建立多目标回归神经网络模型对热解产物产率进行基础预测。在此基础上，结合Van Krevelen图、Spearman相关分析及SHAP特征贡献分析，识别影响富油煤热解产物分布的主要控制因素。通过400~600 ℃热解实验，验证模型对主要温度响应规律的再现能力。结果和结论所建模型能够较好再现富油煤热解过程中半焦产率下降、气体产率升高、水产率整体增加以及焦油产率先升后降的典型温度响应规律，测试集决定系数平均为0.89，均方根误差平均为1.53。煤质属性，尤其是碳含量、镜质组含量及挥发分含量，对产物分布的影响总体强于升温速率和粒径等外部操作参数。实验验证表明，模型对气体和半焦产率的预测一致性较好，对高温区焦油产率存在一定高估，说明高温二次裂解行为及样本覆盖范围仍是后续改进的重点。研究揭示了富油煤热解产物分布的基本规律，并通过实验验证了模型对主要温度响应趋势的再现能力，可为富油煤资源评价、热解实验设计及产物调控研究提供参考。

来源：2026年第4期

《煤田地质与勘探》期刊编辑部

查看煤田地质与勘探杂志2026年第4期