.png){kind=icon}
返回
Fast and robust mixed gas identification and recognition using tree-based machine learning and sensor array response
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-19063-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
气体混合物的识别在化学工程、食品安全、环境科学和医学应用中至关重要。本研究采用四传感器阵列对乙烯-甲烷和乙烯-一氧化碳（CO）混合物进行分类，其中乙烯浓度范围为0～20 ppm，CO为0～600 ppm，甲烷为0～300 ppm。为增强鲁棒性，采用时间平均传感器响应来抑制噪声，确保高分类精度。每个样本通过16个特征进行评估，包括时域动态（如上升时间）和统计指标（如基线方差）。基于树的机器学习模型——决策树（DT）、随机森林（RF）和极端随机树（ET）——被开发用于气体分类，显著减少了训练集规模（降至60%）和预测时间。所提出的ET模型在UCI数据集上实现了优于RF（95.86%）和DT（93.89%）的卓越分类精度（99.15%），为实验气体识别提供了一种高效且准确的方法。
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
引用论文
Feature selection and analysis on correlated gas sensor data with recursive feature elimination基于递归特征消除的气体传感器相关数据特征选择与分析
PREAI
分享收藏Edge-Aware Extra-Trees for Real-Time Gas Leak Detection in IoT Networks基于边缘感知的额外树算法在物联网网络中的实时气体泄漏检测.png)
IF0
PREAI
分享收藏
分享收藏Quantitative information extraction from gas sensor data using principal component regression利用主成分回归从气体传感器数据中提取定量信息
IF0
PREAI
分享收藏Detection and Accurate Classification of Mixed Gases Using Machine Learning with Impedance Data
PREAI
分享收藏分享收藏
查看更多内容