超临界二氧化碳（S-CO2）是一种理想的能量转换工质,实现S-CO2自然循环驱动具有十分重要的实践价值和研究意义。但是在拟临界区内剧烈的物性变化使S-CO2在该区域的流动和换热规律十分复杂,目前尚未形成完善的理论分析方法和体系。本论文采用实验研究、理论分析和机器学习建模等方法对S-CO2自然循环流动与换热问题展开综合研究。本文阐述了 S-CO2自然循环实验台架的设计搭建过程和运行参数范围,并开展了 S-CO2自然循环稳态流动特性研究。结果表明,在浮升力和阻力相互作用下,稳态流量-功率曲线存在峰值。但是当加热段入口温度较低时,自然循环在流量接近曲线峰值时发生流动不稳定现象。通过实验比较分析了不同系统参数对S-CO2自然循环稳态流动特性的影响。通过实验开展了 S-CO2自然循环流动不稳定性的参数分析,总结了不同系统参数影响自然循环流动不稳定性的规律。并基于实验数据,证明了流动不稳定性与S-CO2对流换热模式发生转变有关。实验发现,系统参数对流动不稳定功率阈值产生影响,稳压器的存在则会放大流量的波动幅度。S-CO2在拟临界区的对流换热存在明显的恶化和强化现象。本文推导了表征浮升力和热加速综合效应的无量纲BuAc数,指明了该无量纲数的作用阈值,并通过实验进行了验证。理论分析表明,S-CO2在拟临界区的换热现象与平均比热容、浮升力和热加速效应高度相关。为了开发可靠实用的S-CO2对流换热预测方法,本文收集整理了 13116个S-CO2对流换热实验数据,拟合了传热关联式,并与典型关联式进行对比分析。结果表明,引入浮升力和热加速效应的无量纲数后可以有效地提高经验关联式的直接计算准确度。但是经过迭代计算后,所有经验关联式的计算准确度均显著下降。本文引入机器学习方法解决S-CO2对流换热的预测问题,建立了基于数据驱动的S-CO2对流换热模型,比较了不同输入输出特征的人工神经网络模型的预测性能。考虑实际工程需求,提出“两步法”预测S-CO2对流换热,提供了一种切实可行的超临界流体对流换热预测方案。