摘要：為了更好地獲取棉花蟲害信息，該文使用電子鼻和氣質聯用技術對受到不同數量棉鈴蟲早期危害的棉花進行檢測。基于氣質聯用技術獲得了棉花揮發物的成分和含量，基于電子鼻響應曲線提取了穩定值、面積值、平均微分值、小波能量值和多項式擬合曲線參數值5種特征值，篩選出3種較優單特征：穩定值、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網絡、徑向基函數神經網絡和極限學習機3種神經網絡方法進行分類分析。最后采用支持向量機回歸分別基于3種較優單特征及多特征對危害棉花的棉鈴蟲數量進行回歸預測。結果表明：多特征的分類效果優于單特征，基于多特征"穩定值和平均微分值"和極限學習機分類效果較好，訓練集和測試集的分類正確率均達到很高。多特征的預測能力優于單特征，基于多特征"面積值和平均微分值"的回歸模型預測效果較佳，訓練集回歸模型的決定系數（R2）和均方根誤差（RMSE）分別為0.9940和0.0860，測試集回歸模型的R2和RMSE分別為0.9230和0.3709，電子鼻對棉花早期棉鈴蟲蟲害具有較好的區分和預測能力，電子鼻在棉花早期棉鈴蟲蟲害中的檢測具有一定的應用潛力。

關鍵詞：電子鼻，神經網絡，預測，棉花，棉鈴蟲，特征選擇