为了更好地预测生物质和聚乙烯(PE)共热解过程中的气体产率,本研究整理了生物质和PE共热解文献中气体产率的数据集,采用机器学习方法建立了PE-生物质共热解气体收率的预测模型,并采用特征重要性和偏依赖分析方法来量化输入因素与气体产率之间的关系。在不同输入数据集的情况下,梯度提升决策树模型(GBDT)、K-近邻模型(KNN)和随机森林模型(RF)在训练数据和测试数据中均表现出良好的通用性和准确性。GBDT模型的训练结果显示,均方根误差(RMSE)为1.19,决定系数(R²)为0.99,在预测气体产率时,RMSE为3.86,R²为0.91。生物质的氮含量和灰分含量在共热解过程的气体生成中发挥了最重要的作用,其次是加热温度和塑料与生物质的质量比。