随着工农业发展和人口的快速增加,淡水资源紧缺已经成为世界性的难题,由于海水储量丰富、太阳能零污染等优点,太阳能海水淡化技术已经成为首选的环保型海水淡化技术。在诸多太阳能海水淡化技术中,太阳能蒸馏器因为小型化、易安装和原理简单等优点,得到了研究人员的广泛关注,但传统的太阳能蒸馏器产量和效率普遍偏低。因此,太阳能蒸馏器的理论研究和性能优化对促进其大规模应用、缓解淡水资源危机等问题是十分必要的。本文首先实验研究了管式太阳能蒸馏器和传统单斜式太阳能蒸馏器的性能差异。由于具有管状的透明罩设计,管式蒸馏器可以在任意方向接收太阳辐射下,有效减少单斜式的阴影负面效果,从而提高了系统的产量。实验结果表明,在一个标准太阳1000 W/m~2的输入功率下,管式蒸馏器每小时产量提高了4.4%。进一步的研究表明,通过改变蒸发面离顶部距离,管式蒸馏器每小时产量可提高约5.8%。其次,结合机器学习技术建立管式蒸馏器单位小时产量预测模型,是第一个在小时尺度对蒸馏器性能进行实时预测的模型,与传统回归算法相比具有更高的准确率。模拟结果表明,随机森林产量预测模型在训练集和测试集的决定系数均可达到0.99,且计算成本可忽略不计。通过各参数进行定量分析,结果表明影响管式蒸馏器最重要的参数是水温Tsw和底板温度Tba,分别占据了40.87%和32.43%。最后,为了进一步研究机器学习在全类型太阳能蒸馏器中的应用潜力,结合约100篇文献数据,定量研究了影响蒸发效率的环境参数重要度。结果表明,机器学习在处理缺陷海水淡化数据集上具有更强的鲁棒性,热设计是环境参数中对蒸发效率影响最大的变量。本文的研究表明,管式太阳能蒸馏器相比传统单斜式具有更优异的性能,同时借助机器学习技术,可以快速、低成本地实现蒸馏器性能设计和理论研究,为未来优化和设计新型太阳能蒸馏器,尤其是管式蒸馏器的性能研究提供了指导。