La captura y almacenamiento de CO₂ (CCS) es una medida de reducción de emisiones con gran potencial. El biocarbón poroso contiene una estructura porosa multi-escala rica y posee un excelente rendimiento en la adsorción de CO₂. Debido a las limitaciones de los modelos predictivos tradicionales basados en datos experimentales, como la baja precisión y la complejidad computacional, se utilizaron métodos de aprendizaje automático como el árbol de decisión de aumento de gradiente (GBDT), el algoritmo de aumento de gradiente extremo (XGB) y el algoritmo de aumento de gradiente ligero (LGBM) para predecir la adsorción de CO₂ por biocarbón y se realizó un análisis comparativo de los resultados. Los resultados muestran que los tres principales factores que afectan la cantidad de CO₂ adsorbida son de manera sucesiva el área superficial específica del biocarbón, el contenido de carbono y el contenido de oxígeno. Los tres algoritmos pueden predecir eficazmente el rendimiento de adsorción del biocarbón para CO₂. En comparación, LGBM tiene la mayor precisión de predicción, alcanzando el 94 %; GBDT tiene una ventaja significativa en el tratamiento de datos atípicos; y XGB ofrece resultados de predicción más estables con los cambios en los conjuntos de prueba. Al diseñar el rendimiento de adsorción del biocarbón, no se debe perseguir ciegamente un área superficial demasiado alta. Se recomienda elegir un contenido de carbono para el biocarbón entre el 83 % y el 88 %, y un contenido de oxígeno entre el 15 % y el 18 %.

biocarbón;aprendizaje automático;adsorción de dióxido de carbono;importancia de características;gráfico de dependencia parcial