پژوهشگران با استفاده از پنج مدل یادگیری ماشینی، موفق شدند میزان نیتروژن از دست رفته در کمپوست‌سازی زباله‌های آلی را پیش‌بینی کنند. الگوریتم تقویت تطبیقی (AdaBoost) با ضریب تعیین ۰.۸۴۷ بهترین عملکرد را داشت و تحلیل SHAP نشان داد مراحل اولیه کمپوست و استفاده از عوامل حجم‌دهنده مانند خاک اره، پوسته برنج و ساقه ذرت، بیشترین تأثیر را بر حفظ نیتروژن دارند.
این مطالعه همچنین نشان داد که هوادهی ثابت و افزودن مواد شیمیایی می‌تواند میزان نیتروژن از دست رفته را کاهش دهد. نتایج این تحقیق، پایه علمی و راهنمای عملی برای بهینه‌سازی فرایند کمپوست‌سازی و کاهش هدررفت منابع محیط‌زیستی ارائه می‌کند.