Abstract
Мультисенсорные газоаналитические системы типа «электронный нос» используются для детектирования утечки вредных газов, обнаружения опасных веществ, контроля качеств пищевых продуктов, в медицинской диагностике. В таких системах используются алгоритмы машинного обучения для реализации распознавания газов на основе близости сенсорных откликов на исследуемые аналиты и информационных признаков, использованных на этапе обучения. Для повышения точности классификации запахов необходимо развивать методы анализа сенсорных откликов для расширения наборов информационных признаков. В работе представлены результаты статистической обработки экспериментальных данных по изменению электрических характеристик восьми датчиков «электронного носа» как реакций на присутствие в воздухе летучих органических соединений от образцов сырой нефти. Показано, что анализ описательных статистических характеристик, методы регрессионного и кластерного анализа позволяют провести отбор коррелирующих факторов, ранжировать факторы по степени их влияния на сенсорные отклики.