Cette étude utilise la technologie proche infrarouge (NIR) combinée à l'algorithme LightGBM léger pour prédire la teneur en phénanthrène (Phe) et fluoranthène (Flt) dans les boues contenant de l'huile. Tout d'abord, les paramètres du modèle ont été optimisés, puis les données spectrales NIR des échantillons ont été prétraitées. Les variables caractéristiques spectrales ont été sélectionnées par l'algorithme de rééchantillonnage adaptatif compétitif (CARS), l'information mutuelle (MI) et l'algorithme d'optimisation des baleines (WOA). Un modèle a été construit en utilisant les meilleures variables d'entrée, puis LightGBM a été comparé aux modèles des moindres carrés partiels (PLS), forêt aléatoire (RF) et machine à vecteurs de support (SVM). Les résultats montrent que pour le phénanthrène, le modèle basé sur Nor-SG-WOA-LightGBM est le meilleur, avec un coefficient de détermination de prédiction (R²_p) et une erreur quadratique moyenne de prédiction (RMSE_p) de 0,9952 et 0,2426 mg/g respectivement; pour le fluoranthène, le modèle basé sur SNV-SG-CARS-LightGBM est le meilleur, avec R²_p et RMSE_p de 0,9951 et 0,2452 mg/g respectivement. Cette méthode fournit une référence technique pour l'analyse des hydrocarbures aromatiques polycycliques (HAP) dans les boues contenant de l'huile.

spectroscopie proche infrarouge;light gradient boosting;boues contenant de l'huile;hydrocarbures aromatiques polycycliques