СОЗДАНИЕ ГАЗОАНАЛИТИЧЕСКОЙ МУЛЬТИСЕНСОРНОЙ СИСТЕМЫ ТИПА «ЭЛЕКТРОННЫЙ НОС» И ИССЛЕДОВАНИЕ ЕЁ ПРОИЗВОДИТЕЛЬНОСТИ ДЛЯ ЗАДАЧ ЭКОЛОГИЧЕСКОГО МОНИТОРИНГА

2023

Full text Open access: Hybrid Metadata (CSL-JSON)
DOI 10.52167/1609-1817-2023-125-2-315-323
Data confidence 70 medium
How this score is calculated

It is built from checkable properties of the record itself: whether the article has a DOI, how many independent sources confirmed its data, whether the required fields are filled in, and how recent the latest confirmation is. Disagreement between sources and a missing identifier lower it. A value of 80 or above means the record was published without further checking; 60 to 79 means it is published at reduced confidence, with a manual check advisable. A record verified by an editor by hand is never pushed below 90 by a recalculation. This scores our data about the article, not the article itself.

Abstract

Одной из задач Экологического кодекса Республики Казахстан является работы по обеспечению постоянного и систематического сбора, накопления, хранения и анализа экологической информации, в том числе с использованием современных цифровых технологий. Поэтому исследования, связанные с разработкой цифровых систем мониторинга качества воздуха на наличие вредных примесей, являются актуальными. Результаты экспериментальных исследований по созданию газоаналитической системы типа «электронный нос», сбору сенсорных откликов на присутствие в воздухе образцов газа, обработке экспериментальных данных и идентификации исследуемых газов на основе методов машинного обучения представлены в работе. Показано, что «электронный нос» позволяет выявить присутствие в окружающем воздухе молекул исследуемых газов, в том числе при низких их концентрациях. Ансамбль сенсорных откликов обеспечивает цифровой отпечаток летучих соединений. Это позволяет обучить классификатор газов на основе методов искусственного интеллекта. Получены оценки производительности сенсорной газоаналитической системы при выявлении вредных примесей в воздухе и их идентификации с использованием алгоритмов машинного обучения.