JIA | 机器学习驱动有机固废堆肥氮素损失预测与调控策略研究

有机固废堆肥是实现废弃物资源化利用的重要途径，但堆肥过程中氮素损失问题突出，不仅降低堆肥产品质量，还会造成环境污染。本研究基于2003-2023年间发表文献中的307组数据，构建了涵盖堆肥策略、理化性质及时间阶段的15维输入特征集，采用随机森林（RF）、支持向量回归（SVR）、多层感知机（MLP）、梯度提升决策树（GBDT）和自适应提升（AdaBoost）五种机器学习模型，对有机固废堆肥过程中的氮素损失进行预测与解析。结果表明，经贝叶斯优化超参数调优后的AdaBoost模型表现最优，测试集R²达到0.838。进一步识别并剔除冗余特征后，优化模型R²提升至0.847。Shapley分析揭示堆肥时间阶段是影响氮损失的首要因素，膨胀剂选择对氮素保留具有显著影响。模型外部验证结果良好，证实其具有良好的泛化能力和应用前景。该研究为堆肥氮素损失的精准评估和早期预警提供了有效工具，明确了时间阶段、膨胀剂类型、原料选择和铵态氮管理为氮损失调控的核心抓手。