使用基于气体传感器阵列多维数据的机器学习方法对排水和河水质量进行分类的可行性
Magdalena Piłat-Rożek1, Grzegorz Łagód2
1Faculty of Mathematics and Information Technology, Lublin University of Technology, Lublin, Poland.
Annals of agricultural and environmental medicine : AAEM
|January 2, 2025
概括
电子鼻子系统有效地对排水水质进行分类,优于传统方法. 这种传感器阵列为初步水质评估和环境监测提供了宝贵的工具.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 传感器技术 传感器技术
背景情况:
- 排水质量评估对于环境保护至关重要.
- 传统的水质分析方法可能耗时且复杂.
- 需要开发快速可靠的初步水质评估方法.
研究的目的:
- 为了评估电子鼻子系统对排水水质的分类的有效性.
- 将电子鼻子的性能与水质评估的参考方法进行比较.
主要方法:
- 使用电子鼻子,包括17个气体传感器和信号分析系统.
- 从四个排水点收集了水样,并与河水和合成空气进行了比较.
- 使用了多变量数据分析技术,包括PCA,SOM,随机森林和MLP神经网络.
主要成果:
- 无监督方法 (PCA,SOM) 无法清晰区分排水样本.
- 监督方法,特别是随机森林和MLP神经网络,实现了高分类准确度 (分别为84.3%和87.6%).
- 电子鼻子成功地将排水样品与参考河水和清洁空气样品区分开来.
结论:
- 电子鼻子系统在排水水的初步分类和质量评估方面显示出巨大的潜力.
- 虽然参考测试在单个参数区分方面扎,但e-nose为样本歧视提供了强大的方法.
- 这种基于传感器的技术为环境监测和水质管理提供了宝贵的工具.


