본 연구에서는 지속 가능한 농업에서 고품질 유기 비료에 대한 수요를 충족시키기 위해 기계 학습을 사용하여 돼지 분뇨의 호기성 퇴비화 과정을 최적화하여 질소 보유력과 퇴비의 성숙도를 향상시켰습니다. 이 논문에서는 돼지 분뇨 퇴비화의 다차원 매개변수 데이터를 수집하고, 여섯 가지 기계 학습 모델(CatBoost와 XGBoost 포함)을 구축하며, 모델 매개변수를 유전 알고리즘으로 최적화하였습니다. 모델 해석 분석(SHapley Additive exPlanations 및 Partial Dependency Plots), 실험적 검증 및 메커니즘 연구를 통해 퇴비화 과정과 질소 손실에 대한 운영 매개변수의 중요한 영향을 드러냈습니다. 결과에 따르면 수분 함량, 퇴비 온도 및 통기 최적 제어가 퇴비 품질(GI 약 198%)을 효과적으로 개선하고, NH3-N 및 N2O-N 배출을 각각 35.17%, 9.70% 줄이며, 미생물 군집 활성 증가를 통해 질소 전환을 촉진할 수 있음을 보여주었습니다. 이 접근법은 농업 폐기물의 효율적 자원 활용에 대한 새로운 방법을 제공하며, 화학비료 의존도를 줄이는 데 도움을 줄 수 있습니다.