在化石能源逐渐枯竭、环境污染日益加剧的背景下,进一步节能增效迫在眉睫。热力循环是能源转换的重要方式,而工质是热力循环系统的“血液”,其热物性严重影响循环的性能。临界温度（Tc）作为工质的关键热物性之一,是建立状态方程的基础,也可用于估算物质的焓、熵、黏度、比热容、热导率等其它性质。同时,临界温度又是超临界萃取、汽油分馏等工艺的重要参数。因此,获取物质准确的临界温度具有重要的学术意义和工程价值。实验是获取临界温度最有效的方式,但是由于实验研究耗时且昂贵,仅凭实验手段无法获取工质所有临界温度,因此有必要提出一种能准确预测工质临界温度的理论模型。传统的临界温度计算模型包括经验公式法、状态方程法等往往存在精度较低、适用范围窄、求解过程复杂等缺陷,无法完全满足工程设计的需要。为了克服传统模型的缺点,本文基于分子结构决定材料性能的思想,通过采用不同的分子结构表征手段,借助机器学习算法,建立了常见有机工质及二元混合物的临界温度预测模型,主要研究内容如下:（1）采用分子指纹和拓扑指数相结合的新型描述符表征纯工质分子结构,建立了常见工质的临界温度预测模型。该模型在对测试集即未参与建立模型的工质预测中绝对平均偏差为3.99%。与传统估算方法相比,该模型不仅计算精度更高,还可有效区分工质中的大量同分异构体。（2）基于已有分子构型,划分特定卤代基团,建立了包括临界温度在内三种热物性的预测模型,与现有模型相比具有更高的计算精度,对临界温度计算的绝对平均偏差为3.13%。为了进一步理解模型如何基于基团特征进行预测,使用可解释方法SHAP（Shapely Additive ex Planation）解释预测模型,验证了模型的可靠性,为新型工质的设计研发提供了新的思路。（3）通过划定特定卤代基团,基于组分结构和配比,结合混合规则表征混合工质的结构,利用多层感知机算法建立了二元混合工质临界温度理论模型。该模型在各混合体系的计算偏差均在2%以下。相比传统方法,该模型无需依赖任何物性实验数据和经验参数,从组分、配比出发即可获得准确的二元混合工质临界温度。