便携式气象色谱仪与深度学习相结合的车内气味实时监测与评价

分类： 环境科学技术及资源科学技术 >> 环境学 分类： 计算机科学 >> 计算机科学技术其他学科 提交时间： 2024-01-07

田丁炜

摘要： 目的 本研究的目标是开发一种便携式气相色谱仪，结合机器学习实现现场的VOC采集和快速的气味评价。 方法 我们使用卷积神经网络-长短期记忆（CNN-LSTM）建立了气味强度的预测模型。由于收集的数据量较小，我们使用生成对抗网络（GAN）对每个气味强度类别的VOC数据进行了生成，以增强模型的训练。 结果 在生成数据后，我们再次使用CNN-LSTM建立了模型，并与人工神经网络（ANN）、支持向量机（SVM）和梯度提升决策树（XG-Boost）进行了比较。结果表明，使用GAN生成数据后的测试准确率优于原始数据。 局限 未来的工作将集中在进一步优化模型和扩大数据集上，以提高预测的准确性和稳定性。 结论 这项研究表明，通过使用深度学习和生成对抗网络，我们可以有效地预测车内的气味强度，从而改善车内的空气质量。此外，我们还将探索将这种方法应用于其他环境条件下的空气质量预测。这为未来的空气质量监测和改善提供了新的可能性。由于我们的设备是便携式的，且模型结构较小可以直接嵌入到设备上，从而实现现场的VOC采集和快速的气味评价。这为未来的空气质量监测和改善提供了新的可能性。

同行评议状态:待评议

 点击量 534  下载量 145  评论