为快速预测含油污泥热解后残渣含油率的变化规律，指导含油污泥热解工艺参数优化，选取热解终温、热解时间、升温速率、氮气流量、含油污泥的含油率、含水率和含渣率作为输入变量，热解残渣含油率作为输出变量，采用梯度提升决策树（GBDT）、极端梯度提升（XGB）、支持向量机（SVM）及随机森林（RF）算法分别建立了含油污泥热解残渣含油率的预测模型。通过228组数据进行训练和测试，结果表明，GBDT、XGB、SVM以及RF 4种含油率预测模型在测试集上的决定系数R2分别为0.871 6、0.866 7、0.835 6和0.917 1。经过贝叶斯优化算法（BOA）超参优化后，该4种含油率预测模型的测试集决定系数R2分别提升至0.901 2、0.900 1、0.896 5和0.920 4。其中，贝叶斯优化的随机森林（BOA-RF）模型预测效果更佳，能更准确地预测含油污泥热解残渣含油率的动态变化规律。

彭黄湖,姜勇,杨帆,等.基于机器学习的含油污泥热解残渣含油率预测[J/OL].能源环境保护,1-10[2024-11-19].https://doi.org/10.20078/j.eep.20240908.