바이오차는 기존 흡착제인 활성탄 효율을 유지하며 대체 혹은 혼합하여 사용이 가능하다는 이점을 가지고 있어 수환경 또는 토양환경 내의 오염물질 제거 효율을 증대시키고 경제적인 이점을 가진 오염물질 제거제로 각광받고 있다. 생산된 바이오차는 수질개선용 저급 흡착제로 1차 활용하고, 영양성분과 미네랄 흡착하여 포화된 바이오차는 토질 개선용 비료로 2차 활용이 가능하다. 따라서 본 연구에서는 커피잔재물을 알칼리 개질하여 제조한 Biochar (C-biochar)로부터 의약품 및 방사성 물질 제거실험을 실시하고, 이로부터 얻은 데이터를 기계학습(RF, random forest)에 적용하여 흡착성능 예측모델을 구축하고자 하였다. RF모델의 구축방법으로 실험된 데이터의 무작위 추출을 통해 학습데이터(80%)와 검증데이터(20%)로 구분하고, 다음으로 RF모델의 초매개변수(hyperparameter)들을 최적화 하였다. 초매개변수 중 하나인 각 노드설정 시 임의로 선택할 예측 변수 개수와, 회귀트리의 수는 시행오차법(trial and error)을 통해 최적값을 산정하였다. 본 연구는 114개의 데이터 set으로부터 모델의 학습과 검증 결과, R2 > 0.90의 예측성능을 보였다. 이러한 모델링 연구는 향후 바이오차 개질 시 특성 및 효율을 예측하여 보다 정밀한 바이오차 생산을 유도할 수 있고, 바이오차 개질 및 생산시 연구기간 및 비용을 단축시킬 수 있어 활용도가 높다고 판단된다.