【文献精读】实现高质量安全堆肥：利用机器学习对非线性系统进行多目标优化的研究

文章摘要

堆肥是利用动物粪便最有效的策略之一，但其产出效率和产品安全性受到关键瓶颈的制约，包括过量的养分损失和有害残留物的持续存在。目前亟需一种能够实现多目标优化并准确预测综合结果的方法。本研究构建了EcoCompost模型，该模型采用多层前馈神经网络架构（R²：0.87-0.93），专门用于同时高精度地预测养分损失、温室气体（GHG）排放、抗生素相对降解和重金属削减情况。特征分析表明，碳氮比（C/N比）是碳氮损失的主要驱动因素，而堆肥持续时间则决定了温室气体排放和抗生素降解。偏相关分析阐明了权衡机制，通过适当管理通风率、水分含量和初始C/N比，可以在最大化抗生素降解的同时保留养分。此外，重金属生物有效性随温度升高而降低，但在最初20天内这种效应不如堆肥持续时间显著。值得注意的是，总磷含量升高和碱性pH的协同作用显著增强了这种降低效果。验证实验证实，使用模型导出的策略减少了碳损失（11.9%）、氨气排放（37.4%）以及有效态铜和锌的含量（5.3% ~ 18.0%）；同时保持了较高的总有机碳（39.8%）含量，并增强了腐殖化和稳定性。总之，本研究开发了一个多目标优化框架，为生产高质量、安全的有机肥料提供了一种实用方法。

相关图表

图1 图文摘要

图2 EcoCompost模型流程图(a)及数据集分类(b)

图3 输入变量与输出变量之间的Pearson相关性。所有变量分为六类：堆肥物料、理化性质、重金属指标、堆肥腐熟度、抗生素指标和气体指标。每个格子颜色的深浅表示相关系数的绝对值大小，统计显著性用星号表示：*p < 0.05，**p < 0.01，***p < 0.001

图4  预测养分损失（总碳损失、总氮含量和氨气排放）过程中变量重要性的变化：通过SHAP方法分析(a)~(c) ，通过模型自带的特征重要性属性分析(d)~(f)

图5 预测温室气体排放过程中变量重要性的变化：通过SHAP方法分析(a)，通过模型自带的特征重要性属性分析(b)

图6 预测有害物质（抗生素降解率、重金属生物有效性和发芽指数）过程中变量重要性的变化：通过SHAP方法分析(a)~(c) ，通过模型自带的特征重要性属性分析(d)~(f)

图7 二维偏依赖图：总碳损失(a)，总氮(b, c)，温室气体排放(d, e)，抗生素降解率(f, g, h, i)，重金属生物有效性(j, k, l)。

文章亮点

1.构建多目标优化模型：首次建立了针对堆肥效率与产品安全的多目标优化框架，同时兼顾养分保留与污染物削减。

2.锁定关键驱动因子：通过EcoCompost模型揭示，C/N比是碳氮损失的首要调控因素，而堆肥时长则主导温室气体排放与抗生素去除效果。

3.破解权衡难题：研究发现，合理设置通风率、水分和初始C/N比，可以在高效降解抗生素的同时，最大限度地保留养分。

4.实验验证可靠：模型给出的优化策略在实际堆肥实验中得到验证，碳损失、氨气排放和重金属生物有效性均显著下降。

结论

1.模型性能优异

EcoCompost模型（前馈神经网络）对多个目标的预测精度高，R²值达到 0.87~0.93，能够精准模拟堆肥过程中养分、气体和污染物的复杂变化。

2.因素影响机制

碳损失与氮损失：主要受初始C/N比控制，过高或过低都会加剧损失；温室气体（GHG）排放与抗生素降解：主要受堆肥持续时间影响，时间越长，排放累积越多，但抗生素去除也更彻底；重金属生物有效性：主要受总磷（TP）含量和pH调控，高温和延长堆肥时间通过促进腐殖化进一步强化重金属钝化。

3.最佳工艺参数组合

初始C/N比：25 ~ 30:1；初始水分含量：60% ~ 65%；通风率：0.20 ~ 0.35 L/(kg·min)；堆肥时长：建议延长至22天以上。

4.优化策略验证效果显著

总碳（TOC）损失降低11.9%；氨气（NH₃）排放减少37.4%；有效态铜（Cu）和锌（Zn）含量降低5.3% ~ 18.0%；堆肥产品的腐殖化程度、稳定性和腐熟度均明显提升。

5.应用价值

EcoCompost模型为精准堆肥提供了可靠的数据驱动方案，能够在同一套参数下兼顾农艺品质（养分保留）、环境效益（减排） 和产品安全（去污），助力生产高质量、安全的有机肥料。

原文献地址：Achieving high-quality and safe compost: a study on multi-optimization of a non-linear system using machine learning - ScienceDirect