蒸汽流化下煤的气化过程,是循环流化床煤气-蒸汽(热、电)联产的重要过程,也是尚需深入研究的过程.在此背景下,该文首次运用神经网络方法,对蒸汽流化下的煤气化过程进行了研究.首先进行了大量的批给料煤气化实验,获得了若干种煤在不同温度下的气化过程数据.在实验数据的基础上,用一个神经网络直接辨识模型对各种煤的气化过程进行了辨识,得到了各种煤气化过程中,基于单位质量原煤的煤气产率变化规律.用这一模型可以方便、直观地得到各种煤的气化产率曲线,并可以从批检料气化实验数据计算单位质量煤的煤气产量,为煤气化工艺的设计提供依据.该文的神经网络是一类比较特殊的网络,它的训练也比较特殊.该文作者比较了几种常用的神经网络训练算法和通用非线性优化方法,发现基于随机搜索的趋化性(chemotaxis)算法是一种比较合适的训练算法.作者还发现了网络结构对训练速度的一些影响.最后,该文分析了由实验室规模煤气化过程得到的模型结果向大规模气化过程推广的问题并用该文得到的结果,针对批给料气化实验中用到的几种煤,对典型设计条件下联产炉气化室的煤气产率和成分进行了预测.