结合我国当前固废管理的生活垃圾产量预测实际需求,本文挖掘了个人特征、城市地区特征与生活垃圾产量之间的关系;分别建立了面向个人和城市的生活垃圾产量用户画像;对个人生活垃圾日产量、城市尺度地区生活垃圾日产量、城市生活垃圾年清运量进行了预测,并对模型进行了准确性和普适性评价。随着近年来数据的大量增长以及各地数据平台的发展成熟,关于城市各项数据特征都可以在线上平台方便地获取及调用,不同领域之间的数据协调获取也变得更加方便。近年来各类人工智能算法在各个领域的应用也获得了越来越多的关注,固废领域对于用户画像应用辅助决策这一需求变得尤为明显。通过设计个人基础特征、社会学特征和生活垃圾产量的调查问卷,获取了建立用户画像所需数据;对问卷获取的数据进行了分布情况的分析及可靠性论证,证明问卷抽样符合随机抽样,数据可信;分析了生活垃圾产量与各个人特征之间的关系,并综合使用四种不同的机器学习特征工程方法,筛选出了对生活垃圾产量较重要的7个维度特征;基于筛选出的重要特征,构建了个人生活垃圾日产量用户画像模型;对模型进行了验证与可视化分析,其中对餐厨垃圾和其他垃圾的预测准确率分别达到了0.965和0.952;给出应用示例,预测了某居民餐厨垃圾日产量约为0.3kg,其他垃圾日产量约为0.4kg,证明了模型具有较好的可解释性、可行性。从某省2004-2020年统计年鉴中获取数据、进行预处理,并初步探究了特征之间及特征与生活垃圾产量之间的关系,部分特征相关性达到0.9以上;使用四种机器学习特征工程方法,并对不同方法筛选特征的结果进行比较和综合考虑,筛选了对生活垃圾产量影响较大的14个特征;使用筛选出的重要特征,基于决策树算法构建了以城市尺度地区为用户主体的用户画像,剪枝决策树以获得更具可解释性,不易过拟合的结果;根据构建出的用户画像,将各地区按照年产废量0-80万吨,80-160万吨,160-240万吨,240-320万吨,320万吨以上划分为五类产废模式。应用个人产废用户画像实现了对某行政村下属22个自然村中居民批量预测,进一步得出各自然村餐厨垃圾、其他垃圾以及生活垃圾日产量的预测结果。对模型进行了准确度评价分析,模型的预测结果与实际收运结果的偏差普遍小于20%,部分村落的预测偏差甚至小于5%。应用地区产废用户画像,预测了三个省份各主要城市的生活垃圾产量及产废模式,并通过比较三个省份预测结果的差异,分析了地区用户画像模型的普适性。分析结果表明,建立的模型对于同一地区新年份的推广预测效果很好,准确率为0.977;对相似地区的预测效果也较好,准确率为0.909;对于差异较大地区的预测有一定误差但依然有参考意义,准确率为0.875,可以为固废管理决策者提供较好的决策支持。