机器学习在有机固体废物资源化的应用进展

摘要

机器学习（ML）方法，以其卓越的数据解析和模式识别能力，已在有机固体废物（OSW）处理领域展现出显著的应用潜力.随着对OSW处理需求的日益增长及技术革新的推进，ML在该领域的应用正迅速普及.聚焦ML技术在OSW资源化处理中的应用，首先界定了OSW的范畴，针对OSW处理中存在的异质性和复杂性问题，指出了传统处理技术在进行OSW产量预测和条件优化时的局限性.通过对2018—2023年相关学术成果进行系统梳理和分析，揭示了ML在OSW处理中的研究趋势和潜力.特别是发现以人工神经网络（ANN）、支持向量机（SVM）、决策树（DT）、随机森林（RF）和极端梯度提升（XGBoost）为代表的常用模型结合遗传（GA）优化算法，成为提高OSW处理效率和资源回收率的研究热点.分析了这些模型在源头产生与分类、热化学转化处理、厌氧生物处理和好氧堆肥等具体应用中的现状及应用频率，同时评估了它们的优缺点及适用性.研究发现，ML技术能够有效提高OSW处理的预测精度和工艺优化能力，尤其是在废物特性预测和生物处理过程模拟方面展现出显著优势.然而，数据质量、模型的泛化能力以及算法选择仍然是ML技术应用中的关键挑战.为此，提出开发综合模型、加强跨学科技术融合等一系列解决策略，以期为OSW资源化提供科学指导和技术支持.

关键词

有机固体废物 / 机器学习 / 资源化 / 高效处理 / 建模预测 / 过程优化

基金资助

国家重点研发计划资助项目（2022YFE0105700）; 鄂尔多斯市科技计划项目（ZD20232319）; 国家自然科学基金青年科学基金资助项目（72004067）; 国家重点实验室专项基金课题（22K02ESPCT）; 新疆维吾尔自治区重大科研专项（2022B02021）