Il test del potenziale biochimico del metano (BMP) è uno strumento essenziale per ricavare conoscenze pratiche per l’ottimizzazione e il funzionamento di digestori anaerobici su larga scala, il monitoraggio, la modellazione e la valutazione delle prestazioni del processo o quando è in corso lo sviluppo di un’analisi di scenario. Sebbene la sua utilità sia indubbia, la lunga durata dei test BMP è problematica per molte delle sue applicazioni, soprattutto quando sono necessari risultati tempestivi per il processo decisionale. Negli ultimi decenni numerosi contributi scientifici hanno dimostrato che è possibile ridurre la durata dei test BMP prevedendo la produzione finale di gas. Lo scopo di questo lavoro di tesi è lo sviluppo di una nuova procedura/algoritmo per ottenere una stima preliminare del risultato sperimentale del BMP utilizzando il Machine Learning. L’efficacia e l’efficienza dell’algoritmo sviluppato saranno verificate utilizzando dati sperimentali provenienti da test BMP eseguiti su diversi substrati comunemente alimentati ai digestori anaerobici.