北京化工大學(xué)化學(xué)學(xué)院最新發(fā)布了一篇研究文章，該研究致力于開發(fā)一種便攜式氣相色譜儀，結(jié)合機(jī)器學(xué)習(xí)實(shí)現(xiàn)現(xiàn)場的VOC采集和快速的氣味評(píng)價(jià)。
研究者通過使用卷積神經(jīng)網(wǎng)絡(luò)-長短期記憶（CNN-LSTM）建立了氣味強(qiáng)度的預(yù)測模型；由于收集的數(shù)據(jù)量較小，使用生成對(duì)抗網(wǎng)絡(luò)（GAN）對(duì)每個(gè)氣味強(qiáng)度類別的VOC數(shù)據(jù)進(jìn)行了生成，以增強(qiáng)模型的訓(xùn)練。
在生成數(shù)據(jù)后，研究者再次使用CNN-LSTM建立了模型，并與人工神經(jīng)網(wǎng)絡(luò)（ANN）、支持向量機(jī)（SVM）和梯度提升決策樹（XG-Boost）進(jìn)行了比較。結(jié)果表明，使用GAN生成數(shù)據(jù)后的測試準(zhǔn)確率優(yōu)于原始數(shù)據(jù)。
未來的工作將集中在進(jìn)一步優(yōu)化模型和擴(kuò)大數(shù)據(jù)集上，以提高預(yù)測的準(zhǔn)確性和穩(wěn)定性。
這項(xiàng)研究表明，通過使用深度學(xué)習(xí)和生成對(duì)抗網(wǎng)絡(luò)，可以有效地預(yù)測車內(nèi)的氣味強(qiáng)度，從而改善車內(nèi)的空氣質(zhì)量。此外，研究者還將探索將這種方法應(yīng)用于其他環(huán)境條件下的空氣質(zhì)量預(yù)測，為未來的空氣質(zhì)量監(jiān)測和改善提供了新的可能性。便攜且模型結(jié)構(gòu)較小的設(shè)備可以直接嵌入到車上，從而實(shí)現(xiàn)現(xiàn)場的VOC采集和快速的氣味評(píng)價(jià)。
