使用机器学习预测堆肥成熟度和确定绿色废物堆肥的关键参数
Yalin Li1, Zhuangzhuang Xue2, Suyan Li1
1The Key Laboratory for Silviculture and Conservation of Ministry of Education, College of Forestry, Beijing Forestry University, Beijing 100083, China.
Bioresource technology
|July 3, 2023
概括
预测绿色废物堆肥成熟度现在使用机器学习更准确. 额外树木算法有效预测堆肥成熟度指标,改善质量控制和流程优化.
科学领域:
- 农业科学 农业科学
- 环境科学 环境科学
- 数据科学数据科学数据科学
背景情况:
- 堆肥成熟度对于质量控制至关重要,但准确的预测仍然很困难.
- 有限的计算方法用于评估绿色废物堆肥成熟度.
研究的目的:
- 开发和比较机器学习模型来预测绿色废物堆肥成熟度.
- 通过数据分析,确定影响堆肥成熟度的关键参数.
主要方法:
- 四个机器学习模型被用来预测种子发芽指数 (GI) 和T值.
- 皮尔森相关性矩阵和沙普利添加式扩展 (SHAP) 用于参数相互作用分析.
- 模型性能通过实验性堆肥验证来验证.
主要成果:
- 额外树木算法实现了最高的预测准确性,R2值为GI的0.928和T值的0.957.
- SHAP分析确定了影响堆肥成熟度的关键参数相互作用.
- 实验验证证证实了模型的预测准确性.
结论:
- 机器学习,特别是Extra Trees算法,为预测绿色废物堆肥成熟度提供了一个强大的工具.
- 这些计算方法可以优化堆肥过程,提高堆肥产品质量控制.
- 进一步应用ML可以导致更有效的废物管理和可持续的农业实践.
