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

2023

Полный текст Открытый доступ: Hybrid Метаданные (CSL-JSON)
DOI 10.52167/1609-1817-2023-125-2-315-323
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

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.