有机固废（OSW）通过厌氧发酵生产乳酸是实现资源高值化利用的重要途径。针对传统经验调控方法难以精确刻画多因素耦合作用，且存在发酵周期较长、参数设计不合理及性能不稳定等问题，本研究采用可解释因果机器学习（ICML）框架，对OSW厌氧发酵产乳酸过程进行系统评估。通过对比不同模型，梯度提升决策树（XGBoost、XGB）在预测乳酸浓度、产率及生产速率方面表现最优。Shapley加性解释（SHAP）分析表明，水力停留时间（HRT）、总固体（TS）、挥发性固体（VS）和有机负荷（OLR）是影响乳酸性能的关键因素。线性非高斯有向无环模型（LiNGAM）模型进一步揭示变量间的因果路径：HRT对乳酸产率具有显著的直接效应，而OLR是提升生产速率的核心正向驱动因子；同时，底物类型与接种比能通过直接或间接路径调控发酵过程。偏依赖分析（PDP）明确了最优工艺区间：在VS浓度>50 g/L、TS浓度为200~250 g/L、HRT为2.5~5.0 d且OLR<18 g VS/(L·d)时，乳酸浓度可达20 g/L以上；在HRT为10~15 d、TS浓度<25 g/L、OLR<10 g VS/(L·d)且温度为30~45 ℃时，乳酸产率达0.30 g/g VS以上；在OLR>30 g VS/(L·d)、HRT<3 d、VS浓度>100 g/L、TS浓度>130 g/L时，乳酸生产速率可达7 g/(L·d)以上。此外，二维偏依赖分析（2D-PDP）识别了HRT与TS的交互作用及其对性能平衡的适宜窗口。研究表明，ICML方法能有效揭示工艺参数与乳酸性能间的非线性因果关系，为OSW厌氧发酵的工艺优化与实验设计提供定量指导，助力有机废弃物资源化技术发展。