专利交易市场

本发明涉及电子鼻技术领域，具体公开了一种对混合气体浓度进行回归预测的电子鼻宽度学习方法，包括步骤：S1.选择不同的稀疏正则化参数、特征节点收缩参数和初始随机映射矩阵赋值方法，构建基于宽度学习模型的多个增强宽度学习模型；S2.获取样本集，并按照预设比例划分为训练数据集和测试数据集；S3.采用训练数据集对多个增强宽度学习模型进行训练，并记录对应的训练时间；S4.采用测试数据集对训练后的多个增强宽度学习模型进行测试，记录回归预测错误率；S5.综合训练时间和回归预测错误率，决出性能最优的增强宽度学习模型作为电子鼻回归预测模型。和其他回归预测算法相比，基于宽度学习的回归预测模型不仅缩短了训练时间，还降低了回归预测错误率。

本发明公开了一种基于电子鼻技术的鲜花花香成分芳樟醇含量预测方法，属于分析检测技术领域。本发明包括：制备芳樟醇的梯度浓度标准进样溶液，分别按同一体积加入到顶空瓶内；再采用电子鼻自动顶空取样检测顶空瓶内芳樟醇，构建芳樟醇标准品浓度标准曲线，获得PCA回归方程；随后将鲜花加入顶空瓶内，电子鼻自动顶空取样检测鲜花花香，获得鲜花花香电子鼻响应值；将鲜花花香电子鼻响应值代入PCA回归方程，计算得到鲜花花香中芳樟醇含量的预测值。本发明方法预测得到的香花花香中芳樟醇含量的结果准确度良好，试验表明能有效测得花香中芳樟醇含量不同的几种桂花，可用于筛选高产芳樟醇的鲜花品种，简单高效，具有良好的应用价值。