焦油产率是煤低温干馏利用最重要的煤质参数，决定着富油煤的清洁利用方向。但由于多方面的原因，在煤炭地质勘查阶段对煤焦油产率的测试数据十分有限，极大地制约了富油煤的精细评价和高效利用。为了提高富油煤精细评价的科学性和准确性，以陕北侏罗纪煤田以往测试1 073组煤岩煤质数据为基础，并筛选出显微组分、工业分析、元素分析、灰成分分析等20项煤岩煤质参数齐全的141组数据，利用BP神经网络算法分别建立了20项煤岩煤质指标的焦油产率的预测模型和以4项工业分析为基础的焦油产率预测模型，并对预测模型的准确性和合理性进行分析评价。结果表明：以20项煤岩煤质指标为特征建立的预测模型最终训练均方误差为0.30，测试集数据预测结果平均绝对误差为0.65；以4项工业分析指标为特征建立的预测模型最终训练均方误差1.07，测试集数据预测结果平均绝对误差为1.35；扩展集数据在两个模型中预测结果平均绝对误差分别为0.84和1.34，显示出20项煤岩煤质指标比4项工业分析煤质指标建立的预测模型具有更高的拟合优度和泛化性能。利用SHAP算法进一步对预测模型中20项煤岩煤质指标的重要性进行量化分析，显示出镜质组、氢元素、三氧化二铁、水分、挥发分、碳元素、壳质组、氧元素含量是焦油产率的正向影响因素，三氧化二铝、惰质组、固定碳、灰分、二氧化硅含量是焦油产率的负向影响因素，模型中煤岩煤质与焦油产率之间的内在联系很好地契合了地质上对焦油产率影响因素的基本认识，该焦油产率预测模型可以很好地应用于陕北侏罗纪煤田的焦油产率预测，为陕北地区富油煤的清洁高效利用提供支撑。