采用热重分析仪研究了含油污泥（Oily Sludge, OS）的催化热解特性，并基于人工神经网络（Artificial Neural Network, ANN）算法，建立了可预测催化效率的机器学习模型，为催化热解过程优化提供指导。研究表明Fe2O3、CaO可降低OS在2个热解阶段的热失重峰值温度，且OS第1热解阶段的热失重峰值温度均由315℃降至270℃,第2热解阶段的热失重峰值温度由460℃分别降至420和430℃。反应动力学模型表明Fe2O3、CaO可降低OS有机组分的热解活化能，由33 kJ/mol分别降至25和30 kJ/mol, Fe2O3催化效率更高。建立的机器学习模型可准确预测催化热解过程(R2=0.99,RMSE=0.03)。基于机器学习模型预测，选用Fe2O3作为热解催化剂，混合比13%,热解温度440℃时，OS热解催化效率最高，可达10.27%,本研究将为OS等有机固废的催化热解提供新思路。

湖南省科技成果转化及产业化计划资助项目(2021GK1210)；

0 引 言
1 试 验
1.1 原料性能
1.2 分析方法
1.2.1 热重分析方法
1.2.2 动力学分析方法
2 ANN模型
3 结果与讨论
3.1 OS热解及OS催化热解的热失重分析
3.2 OS热解及OS催化热解的动力学分析
3.3 OS催化剂的催化效率预测分析
4 结 论

[1]艾泽健,朱晓蕾,冷立健,等.含油污泥催化热解特性与预测[J].洁净煤技术,2024,30(S1):141-148.