城市生活垃圾是一种非均质的多样物质的混合物，不象单一物质那样具有自己特定的内部结构和外部特征，而且垃圾组分随时间、地域不同而差异较大，这为垃圾焚烧带来诸多问题，使焚烧炉常常处于非设计工况下运行。垃圾的热解特性对焚烧炉的设计以及运行有着重要的指导意义。由于条件的限制，国内大多地方在设计和运行垃圾焚烧炉时，对所要焚烧垃圾的热解特性缺乏了解。而各地的环保部门有当地垃圾组成的统计数据，本文主要研究如何利用人工神经网络技术强大的捕捉非线性规律的能力，通过输入环保部门统计数据，预测城市固体废弃物的热解特性。 本文综述了国内外对城市固体废弃物热解特性研究的成果，介绍了我们研究的背景以及采用的热解实验装置和热解模型。本文研究了混合物热解特性规律：纸，木屑，厨余，织物热解DTG曲线含有两个波峰，塑料只含有一个波峰，橡胶有三个波峰。当组分的成分相似时，它们混合物的波峰会重合，如木屑，纸，厨余混合物，木屑，纸，厨余与织物混合物的第二个波峰。以及塑料和橡胶的第一波峰。单组分的成分不相似，但T_MAX相当时，混合物波峰也会大部分重合，如织物和橡胶的第一波峰。当不满足以上两个条件时，混合物会出现代表各自热解的不重合的波峰。当某种组分在混合物中的比重较小时，代表它的热解的波峰会不明显。由于塑料的放热量大，而且由于木屑，纸，织物，厨余固定碳部分的比重较小，当塑料与它们的混合时使得固定碳部分的反应提前完成。 本文综述了人工神经网络算法及算法程序流程、网络局部极值产生的原因及其改进措施，介绍了节点激励函数、网络层数、学习精度、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城市固体废弃物热解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。