对于复杂多变的热工对象，难以建立较为准确的动态模型，这是影响动态控制品质的主要因素，对此，提出了运用空间统计学中的克里格估计方法来建立复杂多变的热工对象的自适应动态模型，该方法是一种基于样本数据的非参数回归建模方法，具有多维插值的形式，不需历史数据和模型训练，只需添加实时数据即可建立对象的自适应动态模型，通过对Mackey-Glass混沌时间序列的预测仿真和实际电站锅炉NO2排放的动态预测，表明了该方法在复杂热工对象动态建模中的有效性.

针对电厂锅炉燃烧系统的非线性、大延时、时变、干扰频繁等特点，采用模糊神经网络对其建立数学模型。通过所建数学模型研究燃烧效率和氮氧化物排放量之间的关系，从而对锅炉燃烧系统进行优化，以提高锅炉效率和减少污染物排放。仿真结果表明，利用改进的广义动态模糊神经网络对电站锅炉燃烧过程建模能够精准地逼近实际数据，且性能优于其它神经网络。

以柴油机为动力装置排放的氦氧化物是大气的首要污染物，选择性催化还原技术（SCR）是控制氮氧化物的主流技术。文中建立了耦合计算流体动力学和化学动力学的实际柴油机尿素-SCR反应系统的三维数值模型，对SCR系统的内部工作过程进行了模拟仿真。分析各种参数的变化对尿素-SCR系统NOx转化率的影响，为优化尿素SCR反应器的结构指出研究方向，使其在各种环境下，氨氧化物的转化率都能达到比较理想值，以降低氮氧化物的排放，减小对环境的污染和破坏。