Sieci neuronowe w odorymetrii Joanna Kośmider, Małgorzata Zamelczyk-Pajewska dr hab inż. Joanna Kośmider – prof. P.S. mgr. inż. Małgorzata Zamelczyk-Pajewska – studium doktoranckie Politechnika Szczecińska, Instytut Inżynierii Chemicznej i Procesów Ochrony Środowiska Pracownia Zapachowej Jakości Powietrza, tel , fax: , Najbardziej wiarygodne wyniki pomiarów emisji odorantów i ocen efektywności dezodoryzacji gazów uzyskuje się obecnie metodami sensorycznymi (odorymetrycznie) [1, 2]. Są one bardzo pracochłonne i kosztowne. Nie mogą być stosowane w szkodliwych warunkach przemysłowych i wykorzystane w systemach automatycznego sterowania. Możliwości wykorzystania typowych metod instrumentalnej analizy gazów są bardzo ograniczone. Brak ogólnej teorii węchu uniemożliwia przewidywanie cech zapachu mieszanin odorantów na podstawie informacji o ich składzie jakościowym i ilościowym. Próby opracowania psychofizycznych modeli percepcji są mało zaawansowane – dotyczą prostych mieszanin dwóch związków i nie zawsze są spełniane [3, 4]. Najbardziej obiecująca i coraz bardziej popularna technika analizy instrumentalnej jest nazywana sztucznym węchem lub elektronicznym nosem. Wykorzystywane są sygnały z dużej liczby różnych czujników o niewielkiej selektywności. Mieszanina zanieczyszczeń gazu powoduje powstanie charakterystycznej mapy pobudzeń pola czujników – zapachowego odcisku palca. Odpowiednie programy statystyczne umożliwiają rozpoznawanie wzorca zapachowego [5]. Autorki podjęły próby wyjaśnienia możliwości wykorzystania idei sztucznego węchu podczas określania intensywności zapachu na podstawie typowych chromatogramów, na przykład wysokości wybranych pików. Zbiory informacji o mieszaninach wzorcowych - wysokości wybranych pików GC i sensoryczne oceny intensywności zapachu - postanowiono wykorzystać podczas treningu sieci neuropodobnej przygotowywanej do rozpoznawania intensywności [6].

Opisane poniżej próby treningu dotyczyły powietrza zawierającego dwa związki zapachowe: cykloheksanon (A) i cykloheksan (B). Badane próbki sporządzano wprowadzając strzykawką chromatograficzną różne ilości A i B do odmierzonej ilości powietrza (obliczone stężenia SA i SB zastępowały informacje o wysokości pików GC). Intensywność zapachu próbek (I1) oceniano sensorycznie stosując wzorcowe roztwory n-butanolu [2]. Zgromadzono zbiór 800 wzorców szkoleniowych: SA, SB, I1. Losowo wyodrębniono 750 wzorców treningowych, 25 – weryfikacyjnych i 25 – testowych. Trening wykonano z użyciem Neural Networks (Stat Soft) stosując Multilayer Perceptron (MLP) złożony z trzech warstw neuronów. Sieć szkolono metodą szybkiej propagacji błędów. Kolejność wprowadzania wzorców do sieci była zupełnie przypadkowa. Na rysunku 1 przedstawiono fragment zbioru treningowego ze wskazaniem kolejności podawania pierwszych wzorców. Rys. 1. Oceny intensywności zapachu (I 1 ) części próbek powietrza o różnych stężeniach zanieczyszczeń (S A i S B ) oraz kolejność podawania pierwszych wzorców treningowych do sieci (Nr).

Skuteczność szkolenia oceniano korzystając z miernika regresyjnego SD.Ratio oraz wartości błędu RMS. Przyjęto założenie, że odpowiedzi sieci udzielane w czasie testów będą uznawane za poprawne, jeżeli: |I1 – I2| < 0,5, gdzie: I1 - średnia intensywność zapachu wyznaczona sensorycznie, I2 – odpowiedź wytrenowanej sieci po prezentacji SA i SB. Osiągnięte w czasie treningu, weryfikacji i testu niskie wartości SD.Ratio (0,32, 0,31 i 0,31) oraz wartości błędu RMS (0,06, 0,07 i 0,08) wskazywały na dużą precyzję określania intensywności zapachu przez sieć (I2). Wartości |I1 – I2| przekraczały 0,5 stopnia w skali intensywności zapachu w przypadku 4% mieszanin, co uznano za wynik satysfakcjonujący. Na rysunku 2 przedstawiono wyniki testów sieci dla jednej wybranej proporcji składników: 0,01% cykloheksanonu i 0,6% cykloheksanu. Rys.2. Intensywności zapachu mieszanin testowych zawierających 0,01% cykloheksanonu i 0,6% cykloheksanu określone sensorycznie (I1) i przez wytrenowaną sieć (I2)

Pozytywne wyniki wstępnych szkoleń wskazują, że celowa jest kontynuacja badań z wykorzystaniem próbek zanieczyszczonych mieszaninami wieloskładnikowymi.