Abstract:The thermal gravimetric and other physicochemical properties of bulrush and red cedar were analyzed.  Fast  pyrolysis  experiments  were  conducted  using  a  horizontal  fixed-bed  reactor.  The  study explored  changes  in  the  yields  of  solid,  liquid,  and  gas  products  from  biomass  feedstocks  under different pyrolysis temperatures, pyrolysis times, and biomass particle sizes. A predictive model based on neural networks was developed to rapidly and accurately predict the yield distribution of the three phases under various reaction conditions. This model incorporates data on the yield of solid, liquid, and gas products from fast pyrolysis of different types of biomass reported in previous studies, facilitating predictions  of  pyrolysis  product  yields  for  various  biomass  types  under  different  reaction  conditions. The  input  features  of  the  model  are  biomass  characteristics  (volatile  matter V,  fixed  carbon FC)  and pyrolysis conditions (pyrolysis temperature T, pyrolysis time t, and particle size D), while the output feature is the yield of three-phase products. The test set and predicted data were in good agreement. The average regression coefficient R 2 of the three-phase products in the test set was 0.97, and the predicted results had an error of only 5.31% compared to the experimental results, indicating the feasibility and reliability of the model for predicting the yield of pyrolysis products. Close-