竹子是一种优良的生物质燃料资源,在中国产量位居世界第一。热化工特性是衡量生物质燃料品质的基础参数,也是能源转换技术的关键。为实现燃料关键参数热化工特性的测定,研究了竹子热化工特性的分析方法,建立基于工业分析组成和元素分析组成的热值预测模型;采用近红外光谱分析法建立热值、工业组分和元素组分的定量分析模型,以实现竹子热化工特性的获取。主要研究内容和结果如下:（1）采集了55种国内常见品种的竹子,按照竹子的生长部位,样本分为竹叶、竹枝和竹竿,共135份。按国家标准测定了样本的热化工特性基础数据,总结了热化工特性含量的分布规律。采集样本近红外光谱数据,并对原始光谱数据做了预处理,采用蒙特卡罗交互验证（MCCV）方法剔除了光谱与基础化学值之间的异常样本值,使用卷积平滑结合多元散射校正（SG-MSC）算法对光谱曲线进行平滑散射校正处理。（2）对三类不同生长部位样本的工业组分和元素组分与热值之间的相关性进行了分析,采用偏最小二乘回归（PLSR）算法建立热值预测模型。结果表明,相关性强的组分可以代替全组分作为输入变量预测热值;基于组成成分预测热值的分类样本模型得到了较为满意的预测效果,而全样本所得的模型效果并不能用于热值预测;元素组分预测热值模型精度高于工业组分,分类样本预测模型RPD指标大于2.5。（3）使用近红外光谱分析技术结合PLSR法构建了竹子热值、工业组分和元素组分预测模型,在采用全光谱和中长波段光谱建模中发现,短波近红外并不适用于粉末状样本分析,中长波段建立的预测模型优于全光谱模型。在对样本分别进行全样本和分类样本建模后发现,在使用近红外光谱分析法分析竹子热化工特性时,样本数不宜过少,全样本模型的稳定性和精度高于分类模型。热值、灰分、挥发分、C、N和O得到了较好的定量分析模型,模型的RPD指标分别为2.56、4.57、2.71、4.18、7.50和5.13,水分、固定碳、N、S模型RPD指标小于2.5,模型还可进一步优化。（4）引入无信息变量消除（UVE）、稀疏约束（LASSO）和竞争性自适应重加权采样（CARS）波长筛选方法分别对竹子热化工特性进行特征波长筛选,优化模型效果。采用各分析目标提取后的特征波长建立PLSR定量分析模型。结果表明,波长筛选后的热化工模型在模型数据量上得到了精简。其中,CARS法又优于UVE法和LASSO法,经CARS筛选后的特征变量低于原中长波段1320个波长的10%,各特性均得到了良好的预测效果,RPD值大于3。