电子鼻结合机器学习对污泥异味特征的识别研究

作者：张珊珊; 楼**^*; 王川; 张瑞娜; 宋佳; 王罗春

来源：环境污染与防治, 2023, 45(09): 1234-1247.

DOI：10.15985/j.cnki.1001-3865.2023.09.008

• 污泥异味
• 电子鼻
• 快速检测
• 机器学习
• 支持向量分类模型

污泥组分复杂、来源广泛，异味强度高，其异味特征随异味组分变化明显，因此尝试利用电子鼻实现不同污泥异味特征的快速识别。基于主成分分析(PCA)与线性判别分析(LDA)手段，电子鼻可以有效识别来自农产品加工厂的大豆污泥、化工染料厂的印染污泥和城镇居民区市政污泥的异味特征；加入厌氧消化市政污泥、脱水处理市政污泥的异味信息后，电子鼻训练集数据从240条增加到400条，LDA响应数据识别的正确率降低4.2百分点。将电子鼻分别结合多种机器学习算法判别5种污泥的异味特征，发现多元逻辑回归、K近邻与支持向量分类(SVC)等机器学习模型适用于大样本空间的数据判别，提高了电子鼻对污泥异味特征识别的准确率，解决了电子鼻训练样本数据量受限的问题。其中结合LDA降维的线性核函数SVC模型(LDA-SVClinear)可视化分类程度高，实际可应用范围更广。研究结果可为污泥异味特征快速判别提供有效手段。

• 单位
  上海电力大学; 上海环境卫生工程设计院有限公司; 环境与化学工程学院; 环境科学与工程学院; 上海交通大学