随着人们对于环境问题的更加重视,排放法规变得愈加严苛。而交通运输领域汽油燃料的燃烧是污染物排放的主要来源,汽油燃料的燃烧特性以及均质压燃（Homogeneous Charge Compression Ignition,HCCI）发动机的研究对于减少污染物的排放和提高燃烧效率意义重大。但是汽油燃料燃烧,尤其是在HCCI等新型燃烧条件下的燃烧是一个极其复杂的过程,受环境因素、发动机结构、燃料性质等多种因素的影响。所以,迫切需要一种鲁棒预测模型,能够在不需要大量的实验测量和计算的前提下,就能获得复杂燃料在大范围发动机工况条件下的燃烧特性。为解决上述问题,论文以国家自然科学基金青年基金项目（直喷燃烧模式下汽油燃料自燃特性及多参数协同调控机理研究,批准编号:52006058）为依托,建立动力学计算-机器学习耦合模型,研究了层流火焰速度和HCCI燃烧相位以及NOx排放的影响因素。论文的研究工作及创新点如下:（1）建立了四种层流火焰速度的机器学习预测模型。将四种模型进行对比后发现,梯度提升决策树模型在测试集上的表现最好,均方根误差仅为0.0084,决定系数高达0.9984。（2）基于梯度提升决策树模型,研究了各输入参数与层流火焰速度之间的关系。研究表明,温度的增加会造成层流火焰速度增加,且在对数尺度上成正比例关系。压力的增加会造成层流火焰速度降低,在对数尺度上成反比例关系。层流火焰速度在辛烷值-敏感度-当量比三元相图上的分布呈现出中速、高速和混沌三个明显区域。（3）建立了随机森林分类器,研究了各研究参数的完全燃烧边界。研究发现进气温度和进气压力会使辛烷值-敏感度-当量比完全燃烧边界扩大,而废气再循环（Exhaust Gas Recirculation,EGR）的增加会使进气温度-进气压力-压缩比完全燃烧边界缩小。（4）建立了多层感知机模型,分析了各输入参数对HCCI燃烧正时、燃烧持续期以及NOx排放的影响。研究表明,随着当量比和压缩比的提高,燃烧正时提前,燃烧持续期缩短;EGR的增加会使燃烧正时后移和燃烧持续期变长;辛烷值的增加会使得燃烧正时后移,但对燃烧持续期影响不大;压缩比、进气温度和当量比的提高均会造成NOx排放的增加;而EGR的增加会造成NOx的排放减少。