餐饮垃圾是一种非均质多种物质的混合物,成分复杂,目前对其处理已成为一大难题。本文在餐饮垃圾单组分和混合组分热解产油特性研究的基础上,利用人工神经网络技术强大的捕捉非线性规律的能力,通过输入垃圾组成的比例数据,来预测餐饮固体废弃物的热解产油特性。　　 本文综述了国内外对餐饮固体废弃物热解产油特性研究的成果,介绍了研究的背景以及采用的热解实验装置。实验分析了温度和热解反应时间对餐饮垃圾热解产物分布的影响,米饭、白菜、猪肉、纸和塑料5种物料在不同热解温度和反应时间下热解油产率显著不同,但是热值差别很小。首先,通过最大产油率找出最佳热解温度,然后在最佳热解温度基础之上,进行反应时间的测定,通过各种物料的产油率和热值情况,确定最优热解反应时间。将5种物料以不同比例混合热解测定热解油的产率和热值,结果表明:各组分之间热解产油特性是相互影响的,单组分热解产油特性与混合物整体热解产油特性呈现非线性规律。　　 本文综述了BP人工神经网络算法、算法程序流程及其改进措施,介绍了传递函数、网络层数、隐含层节点数、目标函数误差、初始的权值与阈值、学习速率的选取与设置。首次详细介绍了人工神经网络在餐饮垃圾热解产油特性预测建模中的应用过程,并验证了我们采用的BP神经网络预测模型良好的性能。