简介： 本发明公开了一种基于红外光谱和机器学习的固体废物含水率预测方法，包括如下步骤：采集典型多源固体废物，利用傅里叶变换衰减全反射红外光谱技术，获取固体废物光谱数据；通过光谱数据预处理及特征光谱提取，结合机器学习算法，建立多源固体废物含水率预测模型；利用构建的模型和待测固体废物样品的红外光谱，预测固体废物的含水率。相比于传统的干燥前后称重的破坏性测定方法，本发明无需样品破碎、干燥和称重等操作，可以无损预测多源固体废物的含水率，且具有更快的检测速度。