用于预测农村有机固体废物好氧堆肥中营养成分含量和成熟度的集成机器学习模型

《Journal of Environmental Chemical Engineering》：Integrated machine learning model for prediction of nutrients contents and maturity in rural organic solid wastes aerobic composting

农村有机固体废弃物堆肥成熟度及营养成分预测研究，采用XGBoost、随机森林及其集成模型，实验验证误差低于10%，通过SHAP分析和特征重要性揭示关键影响因素，为优化堆肥工艺提供高效方法。

　　本研究聚焦于农村有机固体废弃物（ROSW）堆肥过程中营养成分和成熟度的预测，旨在为优化堆肥参数提供一种高效且精准的方法。随着中国“乡村振兴战略”的推进，农村经济的发展和居民消费水平的提升显著推动了ROSW的年产量增长，达到了6亿吨的规模。这些废弃物主要包括家庭垃圾、畜禽粪便和农业废弃物，富含有机营养成分，是资源回收和循环利用的重要原料，对促进社会经济和生态环境的可持续发展具有重要意义。

在当前背景下，资源回收技术不断涌现，其中厌氧消化（AD）和好氧堆肥（AC）作为有机废弃物资源化利用和营养循环的可持续手段，被广泛应用于中国。AD是一种在无氧条件下利用微生物将有机物质转化为沼气并降解有机废弃物的生物过程，具有可再生能源生产和有机负荷降低的双重优势。然而，AD在实际应用中面临诸多挑战，包括系统稳定性要求高、过程控制复杂以及相关法规体系尚不完善等问题。相比之下，AC作为一种促进低碳和可持续农业循环经济的关键技术，被广泛用于ROSW的处理和资源回收。AC主要依赖好氧微生物的生物化学活性，将ROSW转化为稳定的生物产品，如有机肥料和土壤改良剂。通过对AD、气化和热解等技术的比较分析，AC展现出更强的技术适应性，其优势体现在对多种原料的广泛容忍性、操作简便性以及对启动阶段的低能耗需求。此外，AC所生成的生物产品能够通过促进植物激素的产生和改善土壤大团聚体的形成，提高植物生长能力和土壤结构。通过优化营养物质矿化动态，AC还能实现较高的肥料替代效率（90-100%）。

然而，堆肥产品的农业效益高度依赖于其稳定性和成熟度，而这些指标通常通过C/N比、电导率（Ec）和腐殖化指数等关键参数进行评估。但由于ROSW原料的异质性和操作参数（如供氧率、含水率）的波动，导致堆肥产品的成熟度和碳氮含量存在显著差异，从而影响评估指标的可靠性。传统上，这些指标的获取依赖于劳动密集型的实验方法，不仅耗时耗力，而且实验数据的统计分析也难以系统性地指导实际操作。因此，亟需建立一种高效、精准的方法，以实现对堆肥成熟度指标和关键元素成分的同时预测。

在此背景下，机器学习（ML）作为一种创新的人工智能方法，展现出在特征表示和模式识别方面的卓越能力，为克服传统堆肥实验的劳动密集性和方法论局限提供了新的解决方案。ML的优势在于其强大的处理复杂非线性关系的能力，使得在ROSW堆肥过程中能够通过精确提取特征-输出之间的关联性，实现对营养成分和成熟度的预测与实时监测。已有研究表明，基于ML的模型在预测准确性方面普遍优于传统模型，且其适用性覆盖了多种操作场景和异质性数据集。例如，Moncks等人（2022）成功应用K近邻（KNN）算法，实现了工业规模堆肥系统中含水率的预测。Li等人（2022）则通过系统比较六种ML架构，发现随机森林模型在好氧堆肥（AC）过程中对CO?排放的预测效果最佳。

然而，传统单算法模型在处理复杂的生物反应网络时仍存在一定的局限性，包括对过拟合的易感性和模型鲁棒性的不足。ROSW堆肥系统具有高度动态和复杂性，其内部参数之间存在非线性交互作用，同时受到多因素的干扰，因此需要开发具有更高预测精度和操作稳定性的先进ML架构。特别是集成学习方法在这一领域展现出显著优势，通过合理整合异质性基础模型，实现预测精度、系统稳定性和泛化能力的协同提升。Ding等人（2022）的实证研究表明，集成架构在训练和验证阶段均显著优于单一模型，且其评估指标（如R2和RMSE）呈现出持续优化的趋势。Wan等人（2022）进一步拓展这一范式，开发了一种多任务预测框架，用于同时估算种子发芽指数（GI）和碳氮比（C/N），其优化后的集成模型在预测精度上取得了显著突破，分别达到了R2=0.977和R2=0.986的水平，远超单一模型的性能基准。

本研究的目标是构建一种多任务预测的ML模型，以填补ROSW堆肥优化中的关键知识空白。具体研究目标包括：（1）开发混合集成架构，实现对堆肥成熟度和碳氮动态的同时预测；（2）通过先进的可解释ML模型，识别影响堆肥过程的关键驱动因素；（3）建立一个经过验证的决策支持系统，用于优化堆肥参数。本研究的创新点在于构建了涵盖堆肥过程的全面指标体系，并结合多模块模拟算法，从而显著提高了模型的预测精度。这些成果不仅提供了新的科学和技术视角，还为提高堆肥效率和推动堆肥产品的高值化利用奠定了基础。

在数据收集方面，本研究系统性地选取了以ROSW为主要原料的好氧堆肥相关文献，涵盖2015年至2024年间发表于ScienceDirect和Web of Science数据库的论文（详见附录表S2和表S3）。为了减少原料特性、实验方法和分析协议对ML模型预测性能的影响，研究团队建立了严格的筛选标准，以确保数据的统一性和模型的稳健性。这些数据包括输入特征和输出特征，如碳、氢、氧和氮的含量，以及堆肥成熟度指标。通过统计分析，研究团队发现这些数据在输入和输出特征的分布上具有代表性，能够有效覆盖堆肥过程中的关键参数变化。

通过对数据集的分析，研究团队进一步探讨了输入特征与输出特征之间的关系。通过箱线图的可视化分析，数据的统计分布特征得以清晰展现（见图1(a)）。研究表明，碳、氢、氧和氮是ROSW的主要组成成分，其含量范围分别为18.92-63.22%、0.59-6.01%、9.08-40.26%和0.28-24.15%，中位数分别为40.40%、4.80%、24.95%和1.27%。这些数据为模型的构建提供了坚实的基础，并揭示了不同参数之间的潜在关联性。例如，碳含量、碳氮比和腐殖酸（HA）对预测总有机碳（TOC）和总氮（TN）具有显著影响，而氧含量、时间因素和热处理（HT）则对预测种子发芽指数（GI）、腐殖化指数（HI）和E4E6比值具有重要作用。

在模型构建方面，本研究开发了XGBoost、随机森林（Random Forest）以及XGBoost-随机森林集成模型，用于预测堆肥的营养成分和成熟度。通过比较不同模型的预测效果，研究发现集成模型在预测精度上表现出色，其R2值分别为0.79（TOC）、0.67（TN）、0.75（GI）、0.81（HI）和0.83（E4E6比值）。这些结果表明，集成模型能够更准确地捕捉堆肥过程中的复杂关系，从而实现对关键指标的高效预测。此外，特征重要性分析和SHAP值（SHapley Additive exPlanations）进一步揭示了各个参数在预测过程中的具体作用，使得模型的可解释性得到显著提升。通过调整基础模型的权重，研究团队有效降低了模型的过拟合风险，提高了其预测的准确性。

实验验证结果进一步确认了模型的可靠性，预测误差控制在10%以内，表明该模型在实际应用中具有较高的可行性。此外，研究团队还通过构建综合评估指标，结合多模块模拟算法，实现了对堆肥过程的系统建模。这种多任务预测框架不仅提升了模型的预测精度，还为不同应用场景下的产品优化提供了支持。例如，在农业堆肥中，可以优先考虑氮素的保留；而在土壤改良中，则应着重于碳素的稳定性。此外，该模型还能够通过精确模拟有机物质的转化过程，实现对碳封存潜力的定量评估，从而推动对碳循环动态的深入理解。

本研究的成果具有重要的科学价值和应用意义。首先，通过构建多任务预测的ML模型，实现了对堆肥成熟度和关键营养成分的同时预测，为优化堆肥参数提供了数据支持。其次，通过可解释ML模型的应用，识别了影响堆肥过程的关键驱动因素，为实际操作提供了理论依据。最后，通过建立决策支持系统，实现了对堆肥过程的系统性管理，为实现高效、可持续的堆肥应用提供了技术支撑。这些成果不仅有助于提高堆肥效率，还为推动堆肥产品的高值化利用提供了新的思路和方法。

本研究的实施还得到了国家重大科技专项（2022YFD1601100）的资助，为研究的顺利开展提供了重要保障。研究团队在项目实施过程中，通过严格的实验设计和数据筛选，确保了模型的准确性和可靠性。此外，研究团队还注重模型的可解释性，通过特征重要性分析和SHAP值的计算，揭示了各个参数在预测过程中的具体作用，使得模型的应用更加直观和高效。这些分析结果不仅有助于理解堆肥过程的复杂性，还为优化堆肥参数提供了科学依据。

综上所述，本研究通过构建多任务预测的ML模型，实现了对ROSW堆肥过程中营养成分和成熟度的精准预测，为优化堆肥参数提供了新的方法。该模型在预测精度、系统稳定性和泛化能力方面均表现出色，能够有效应对堆肥过程中的复杂性和非线性特征。通过实验验证，模型的预测误差控制在10%以内，表明其在实际应用中具有较高的可行性。此外，该模型的应用不仅提高了堆肥效率，还为推动堆肥产品的高值化利用提供了科学支持。这些成果对于实现可持续农业循环经济和生态环境保护具有重要意义，为未来的研究和实践提供了新的方向和方法。