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

2023

Толық мәтін Ашық қол жеткізу: Hybrid Метадеректер (CSL-JSON)
DOI 10.52167/1609-1817-2023-125-2-315-323
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

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.