摘要：為了更好地獲取棉花蟲(chóng)害信息，該文使用電子鼻和氣質(zhì)聯(lián)用技術(shù)對(duì)受到不同數(shù)量棉鈴蟲(chóng)早期危害的棉花進(jìn)行檢測(cè)。基于氣質(zhì)聯(lián)用技術(shù)獲得了棉花揮發(fā)物的成分和含量，基于電子鼻響應(yīng)曲線提取了穩(wěn)定值、面積值、平均微分值、小波能量值和多項(xiàng)式擬合曲線參數(shù)值5種特征值，篩選出3種較優(yōu)單特征：穩(wěn)定值、平均微分值和面積值，之后基于多特征分別使用多層感知神經(jīng)網(wǎng)絡(luò)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)3種神經(jīng)網(wǎng)絡(luò)方法進(jìn)行分類分析。最后采用支持向量機(jī)回歸分別基于3種較優(yōu)單特征及多特征對(duì)危害棉花的棉鈴蟲(chóng)數(shù)量進(jìn)行回歸預(yù)測(cè)。結(jié)果表明：多特征的分類效果優(yōu)于單特征，基于多特征"穩(wěn)定值和平均微分值"和極限學(xué)習(xí)機(jī)分類效果較好，訓(xùn)練集和測(cè)試集的分類正確率均達(dá)到很高。多特征的預(yù)測(cè)能力優(yōu)于單特征，基于多特征"面積值和平均微分值"的回歸模型預(yù)測(cè)效果較佳，訓(xùn)練集回歸模型的決定系數(shù)（R2）和均方根誤差（RMSE）分別為0.9940和0.0860，測(cè)試集回歸模型的R2和RMSE分別為0.9230和0.3709，電子鼻對(duì)棉花早期棉鈴蟲(chóng)蟲(chóng)害具有較好的區(qū)分和預(yù)測(cè)能力，電子鼻在棉花早期棉鈴蟲(chóng)蟲(chóng)害中的檢測(cè)具有一定的應(yīng)用潛力。

關(guān)鍵詞：電子鼻，神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè)，棉花，棉鈴蟲(chóng)，特征選擇