简介： 本发明公开了一种基于机器学习和红外光谱技术快速识别固体废物碳比例的方法，包括如下步骤：采集不同种类的固体废物，利用衰减全反射‑傅里叶变换红外光谱仪和元素分析仪分别测试各样本的红外光谱和碳元素含量；对得到的红外光谱数据做标准化和主成分分析处理，并划分为训练集和测试集；用训练集建立碳源种类(生物质碳、化石碳、惰性物质)分类和碳元素含量回归的机器学习模型，用测试集验证模型的准确度；利用构建的模型和待测固体废物样品的红外光谱，预测碳源种类和各种类的碳元素含量；称取待测固体废物样品的质量，根据碳源种类和碳元素含量计算生物质碳和化石碳的比例。该方法检测时间短，准确率高，待测样品无需干燥、破碎等预处理操作。