碱木质素作为造纸工业和生物质精炼的副产物，产量高、来源广泛，然而复杂的聚合结构限制了其高值转化与有效利用。由于其能量密度高且富含芳环结构，被认为是生产液体燃料中芳香烃组分的天然原料。本研究以碱木质素为原料，考察甲酸原位供氢下不同反应条件对碱木质素催化转化制生物油的影响。采用浸渍法制备了Ni-Mo/h-BN双金属催化剂，并通过XPS、XRD等表征分析了不同金属比例催化剂的结构和物化特征。研究了不同反应条件对甲酸水相重整制氢的影响。结果表明，甲酸和水摩尔比1∶10、催化剂Ni∶Mo=3∶1时产氢效果最佳，在220–280 ℃下H₂产量随温度升高而增加，最大为38.48 mmol。探究了甲酸原位供氢下反应温度、时间对碱木质素制生物油的影响，实验结果表明，反应温度280 ℃时生物油重油收率达到最大值18.93%，生物油组分中芳香烃类化合物相对含量达到最大值13.81%，反应时间的延长会降低重油收率以及芳香烃类化合物的相对含量，提升呋喃类化合物在生物油组分中的占比。研究表明，240–280 ℃，甲酸原位供氢与木质素加氢表现出较好的一致性。

化学链技术具有可实现产物的高效分离、降低能耗等优势，成为二氧化碳转化与水分解制氢的重要技术路线。载氧体在化学链循环中承担氧的储存与传递、参与氧化还原反应，成为决定反应速率与产物选择性的关键。为了筛选出性能优异的载氧体，本研究采用吉布斯自由能分析方法，从热力学上对典型金属及其氧化物参与二氧化碳转化与分解水制氢化学链反应展开研究。基于埃林汉姆图评估反应的可行性及各类金属载氧体的反应性能，分别得出了铁、钒、锰、钴、铜、铈等金属氧化反应以及金属与水反应的吉布斯自由能,借此明确不同温度区间内各金属及其氧化物与CO₂、水的反应可行性及临界温度，揭示了铁、锰基载氧体的高温CO₂还原优势与锰、铜、铈基载氧体的低温制氢潜力。结果表明，高温可促进铁、锰及还原态氧化物对二氧化碳的还原，其反应起始温度分别为708和935 °C，温度越高效果越显著。热力学上锰、铜、铈可在较低温度下自发将水分解制备氢气。该研究展示了各金属与CO₂、H₂O在不同温度下的相对氧化还原性能，为化学链反应中载氧体的筛选与优化提供了热力学理论依据。

酸刻蚀可以使钛硅分子筛（TS）表面富集大量羟基巢，与PtZn金属协同提升丙烷脱氢（PDH）反应的催化性能，同时为活性组分的负载提供稳定的锚定位点。基于此，本工作通过不同盐酸浓度刻蚀TS载体，并采用共浸渍法制备PtZn/TS系列双金属催化剂，研究了酸浓度对催化剂结构、表面性质及PDH反应性能的影响规律。结合XRD、EDS、Raman、UV-vis、FT-IR、XPS、H₂-TPD、TG等表征分析表明，酸刻蚀使TS载体表面形成富集的羟基巢结构，该羟基巢能作为PtZn的高效锚定位点，显著提升Pt⁰暴露程度，同时降低PDH反应能垒。本研究为设计高效PDH反应催化剂提供了可行思路。

采用乙酰丙酸（LA）和Zn对HZSM-5进行协同改性，得到L/Zn0.2-ZSM5。利用XRD、N₂吸附-脱附、NH₃-TPD、Py-FTIR、Raman、XPS和TGA等对其表征，研究协同改性对其结构、性质、催化性能及积炭行为的影响。结果表明，L/Zn0.2-ZSM5的比表面积与HZSM-5相当，孔体积和平均孔径显著大于HZSM-5及单一改性样品（L-ZSM5、Zn0.2-ZSM5）。同时，协同改性显著降低了催化剂的总酸量和酸强度，并构建了适中的B/L酸比。L/Zn0.2-ZSM5结构及性质的改变，使其BTX催化选择性和催化寿命，分别达到58.75%和128 h，均优于单一改性样品及其他Zn负载量的样品。L/Zn0.2-ZSM5的内积炭比例和容炭能力也显著高于未改性和单一改性的样品。这是因为协同改性通过扩孔减弱了积炭前驱体的扩散阻力，有效抑制了积炭的石墨化进程。同时LA增强了Zn与载体的相互作用，促进Zn物种的分散，显著提高了[ZnOH]⁺的比例（达61.36%）。

本研究基于煤矸石与玉米秸秆的共燃活化，开发了一种短流程制备片状α-Al₂O₃的新方法，实现了固体废弃物的高值化利用。结果表明，玉米秸秆的引入显著降低了煤矸石燃烧的表观活化能，并将酸浸提铝率提高至81.9%。共燃灰酸浸液中的钛、铁离子在氧化铝结晶过程中起形貌调控作用，促进片状结构的形成，其中，钛的溶出动力学行为与铝高度一致。此外，前驱体中丰富的AlO₆结构单元有效促进了热处理过程中致密α-Al₂O₃晶相的定向转化，从而提升产物密度。在优化条件（800 °C、1 h）下，所得α-Al₂O₃呈片状形貌，中值粒径（d₅₀）为5.70 μm，密度可达4.94 g/cm³。本工作为煤矸石和生物质废弃物的协同资源化提供了新思路。

在本研究中，基于近红外光谱与多种机器学习算法，构建了一套快速、可靠的煤质组分预测框架，显著提升了预测的精度与效率。研究采用支持向量机（SVM）、随机森林（RF）、时间卷积网络（TCN）、一维卷积神经网络（1D CNN）以及门控循环单元（GRU）对煤质指标进行回归建模。在所用模型中，TCN 模型的平均绝对误差（MAE）最低，为 0.505；RF 模型的均方根误差（RMSE）最低，为 0.618，表明其在测试集上的预测稳健性最佳；TCN 模型的变异系数（CV）最低，为 0.042，显示出良好的泛化能力与稳定性。此外，单输出模型结果显示，不同指标对应最优算法各异：TCN 对灰分预测最佳，RF 则在固定碳和低位发热量预测中精度最高。综合考虑参数量、计算耗时与精度，RF、1D CNN 与 TCN 模型效率更优。通过 SHAP 值分析揭示了关键特征峰对预测结果的影响，表明煤中有机与无机组分对近红外光的吸收强度与其含量相关，明确了灰分、水分及固定碳的重要光谱区间。该研究不仅为煤炭工业提供了新的快速检测方法，也为其他领域的组分分析提供了参考。

一氧化碳（CO）催化氧化是汽车尾气减排的关键反应之一，已受到研究人员的广泛关注。将金属单原子引入二氧化铈（CeO₂）载体，有望借助CeO₂优异的储氧/释氧能力、可逆的Ce⁴⁺/Ce³⁺氧化还原特性及丰富的表面缺陷，进一步提升其低温CO氧化的催化性能。目前，基于第一性原理的计算数据较为分散，缺乏针对单原子掺杂CeO₂催化剂（M-CeO₂）在CO氧化过程中系统性的理论数据，这严重制约了对该类催化剂构效关系和反应机理的深入认识。针对这一现状，本研究构建了涵盖多种过渡金属元素的M-CeO₂催化剂数据库。通过DFT计算，生成了包含模型结构、基元反应能量、频率分析、态密度、成键强度和Bader电荷等多维度信息的数据集，并在计算参数设置与输出结果两方面建立了严格的质量控制体系，以保障数据的完整性与可靠性。该数据库同时提供完整的原始计算文件，为研究M-CeO₂催化剂在低温CO催化氧化中的性能、构效关系及反应机理提供了可靠的数据基础。