Comparing and Connecting Green Chemistry Metrics with LCA Indicators: ML classification models

Abstract

Kennzahlen der „Green Chemistry“ (grünen Chemie) liefern einfache und leicht anwendbare Maße für die Prozesseffizienz und den Ressourceneinsatz, während die Ökobilanzierung (Life Cycle Assessment, LCA) eine umfassendere Bewertung der Umweltauswirkungen ermöglicht, jedoch in der Regel detailliertere Daten erfordert. Diese Arbeit untersucht, ob sich Kennzahlen der grünen Chemie mittels maschinellen Lernens nutzen lassen, um die relative Umweltleistung chemischer Prozesse über deren gesamten Lebenszyklus hinweg vorherzusagen.Hierfür wurde eine Datenbank chemischer Produktionsprozesse erstellt und mit Kennzahlen der grünen Chemie sowie LCA-Ergebnissen verknüpft. Kontinuierliche LCA-Ergebnisse wurden mithilfe eines adaptiven Diskretisierungsverfahrens in Ordinalklassen überführt. Verschiedene Modelle des maschinellen Lernens – darunter Entscheidungsbäume, Random Forests, Gradient Boosting und ordinale logistische Regression – wurden anhand wiederholter Aufteilungen in Trainings- und Testdatensätze evaluiert. Zudem wurde die Robustheit dieser Datenaufteilungen geprüft sowie untersucht, ob Merkmalsreduktion und Hyperparameteroptimierung die Vorhersagegüte verbessern konnten.Die Modelle erzielten eine moderate Vorhersageleistung mit Genauigkeitswerten von im Allgemeinen rund 50 %, was eine deutliche Verbesserung gegenüber den entsprechenden Basisvorhersagen (Baseline) darstellte. Random-Forest- und Gradient-Boosting-Modelle schnitten meist besser ab als Entscheidungsbäume, während die ordinale logistische Regression bei einigen Zielgrößen eine vergleichbare Leistung zeigte.Als endgültiges Modell wurde der Random Forest nach einer Merkmalsreduktion ausgewählt, vor allem aufgrund seiner Interpretierbarkeit. Die Analyse der Merkmalswichtigkeit ergab, dass masse- und energiebezogene Kennzahlen zu den einflussreichsten Prädiktoren zählten. Die Vorhersagbarkeit variierte je nach chemischem Prozess; bei einzelnen Zielgrößen wurden bis zu 46 % der Chemikalien über alle evaluierten Datensatzaufteilungen hinweg konsistent korrekt klassifiziert.

Green chemistry metrics provide simple and readily applicable measures of process efficiency and resource use, whereas life cycle assessment offers a more comprehensive evaluation of environmental impacts but generally requires more detailed data. This thesis investigates whether green chemistry metrics can be used to predict the relative life cycle environmental performance of chemical processes using machine learning.A database of chemical production processes was compiled and combined with green chemistry metrics and LCA results. Continuous LCA results were converted into ordinal classes using an adaptive discretization approach. Multiple machine learning models, including decision trees, random forests, gradient boosting, and ordinal logistic regression, were evaluated using repeated train–test splits. The robustness of the data splits was assessed, and feature reduction and hyperparameter optimization were investigated to determine whether they improved predictive performance.The models achieved moderate predictive performance, with accuracies generally around 50%, representing a substantial improvement over the corresponding baseline predictions. Random forest and gradient boosting models generally outperformed decision trees, while ordinal logistic regression showed comparable performance for some targets.Random forest after feature reduction was selected as the final model, primarily due to its interpretability. Feature importance analysis indicated that mass- and energy-related metrics were among the most influential predictors. Predictability varied among chemical processes, with up to 46% of the chemicals being consistently classified correctly across all evaluated splits for individual targets.