本文针对生物质与餐饮废油、生物质与生物质气化焦油的共热解失重过程，利用热重分析仪以及差量热扫描仪，进行热解过程微观机理分析；并根据BP人工神经网络模型，对生物质与餐饮废油、生物质与气化焦油共热解行为规律进行模拟与预测。本文选取了三个不同的升温速率，从303K升温至973K，依据不同的数学模型方法，求解出质量动力学方程，从而获得在各个热解条件下样品热解的机理与反应模型，并确定具有最低反应势的物料组合比例与升温速率条件，从而对实际工业化热解具有良好的指导作用。最后，依照已经求得的热解反应进度曲线以及活化能，本文建立了BP人工神经网络模型，对热解行为规律及活化能、反应级数进行分析预测。在生物质快速热解阶段以及餐饮废油主要热解失重阶段，发生了强烈的耦合作用，但是餐饮废油的引入降低了单一生物质秸秆的热解失重率，出现了将近40%的负耦合作用。在生物质快速热解阶段以及气化焦油主要热分解失重阶段，发生强烈耦合作用，由于气化焦油的热解失重率高，且温度低，耦合失重极为剧烈，因此气化焦油增高了单一生物质秸秆的热解失重率，气化焦油与生物质秸秆之间出现了40–60%左右的正耦合现象，气化焦油使得生物质秸秆失重率增高了。对于生物质秸秆与餐饮废油混合物组分来说，在10K/min、30K/min与50K/min的升温速率下，其热分解机理为D₁、D₁与R₁模型，即单向扩散模型与有限表面反应模型（一维尺度）。对于生物质秸秆与气化焦油混合物组分来说，在10K/min、30K/min与50K/min的升温速率下，其热分解机理为D₃、P-T₂与P-T₁模型，即三向扩散模型、Prout-Tompkins（m=1）模型与Prout-Tompkins（m=0.5）模型。对混合组分来说，BP人工神经网络的预测模型预测结果明显好于加权平均结果，尤其对于生物质与气化焦油混合物组分来说，预测曲线明显更加接近实验真实曲线，从而进一步证明了生物质秸秆与气化焦油之间的强烈耦合作用。BP人工神经网络的活化能与热分解反应进度预测结果与实际值具有较高的吻合度，在本实验范围内，活化能预测最大相对误差不超过7.5%，反应级数预测最大相对误差不超过1%，且反应级数的预测相对误差小于活化能的预测相对误差。综上所述，生物质与餐饮废油、气化焦油共热解，从微观机理以及动力学角度上看，具有工业化技术上、能源上以及经济成本上的良好意义，具有广泛的应用前景。