煤炭热解过程的热效应是煤炭热解机理研究、反应器设计等过程的关键参数。目前关于煤炭热解热效应的评估方法之间精度差异较大，其中应用最多且可行性最大的方法为基于同步热分析仪(TG-DSC同步联用)来进行测定，但该方法依然对仪器的测量精度依赖较大，且在得到热流曲线之后的热效应计算方法之间精度也存在差异，导致数据的可重复性差，难以适应大规模生产及工艺设计的需要。富油煤含有较多的脂肪侧链、桥键等富氢结构，在热解过程中可受热裂解生成更多的焦油，是良好的煤制油原材料。热解工艺的调控是影响富油煤热解所制焦油品质的关键因素，这其中热解过程的热效应又是热解工艺开发的重要参数，因此无论是对富油煤热解还是对广义的煤炭转化来说，都迫切需要开发准确、高效的煤炭热解热效应评估方法。基于富油煤慢速热解实验结果并结合热解反应机理和经验公式，以产物为导向构建富油煤热解反应体系，利用经典热力学分析方法进行反应体系的热力学计算，得到富油煤热解过程的化学反应热，再结合热解过程中的物理吸热量，得到了富油煤中低温慢速热解过程中的热效应。结合已报道的煤炭热解实验结果和热解热效应测定值，利用机器学习方法中的随机森林模型对煤炭热解热效应进行非线性建模和预测。结果表明：基于实验结果，以产物为导向计算得到的富油煤慢速热解热效应数值总体要低于利用TG-DSC同步联用测得的数值，误差均在10%以内。基于机器学习算法预测得到的富油煤热解热效应的预测精度达到0.94。综合来看，文中所构建的两种富油煤热解热效应预测模型具有实用性和适用性，可以为富油煤热解热效应的评估提供理论参考。

1 方法与模型
1.1 基于产物导向的富油煤热解提油热效应评估方法
1.1.1 实验装置及流程
1.1.2 富油煤及半焦分子式构建方法
1.1.3 富油煤及半焦的平均生成焓计算方法
1.1.4 物理吸热量计算方法
1.1.5 化学反应热计算方法
1.2 机器学习驱动的富油煤热解提油热效应评估方法
1.2.1 数据收集和数据集划分
1.2.2 模型选择与概述
1.2.3 模型评价指标
2 结果与讨论
2.1 基于产物导向的富油煤热解提油热效应评估结果
2.1.1 富油煤及半焦的平均生成焓计算结果
2.1.2 物理吸热量计算结果
2.1.3 化学反应热计算结果
2.2 机器学习驱动的富油煤热解提油热效应评估结果
2.2.1 煤炭热解焦油产率预测
2.2.2 煤炭热解热效应预测
2.2.3 耦合焦油产率后煤炭热解热效应预测
2.3 预测结果汇总
3 结论