摘要：为了更好地获取棉花虫害信息，该文使用电子鼻和气质联用技术对受到不同数量棉铃虫早期危害的棉花进行检测。基于气质联用技术获得了棉花挥发物的成分和含量，基于电子鼻响应曲线提取了稳定值、面积值、平均微分值、小波能量值和多项式拟合曲线参数值5种特征值，筛选出3种较优单特征：稳定值、平均微分值和面积值，之后基于多特征分别使用多层感知神经网络、径向基函数神经网络和极限学习机3种神经网络方法进行分类分析。最后采用支持向量机回归分别基于3种较优单特征及多特征对危害棉花的棉铃虫数量进行回归预测。结果表明：多特征的分类效果优于单特征，基于多特征"稳定值和平均微分值"和极限学习机分类效果较好，训练集和测试集的分类正确率均达到100%。多特征的预测能力优于单特征，基于多特征"面积值和平均微分值"的回归模型预测效果较佳，训练集回归模型的决定系数（R2）和均方根误差（RMSE）分别为0.9940和0.0860，测试集回归模型的R2和RMSE分别为0.9230和0.3709，电子鼻对棉花早期棉铃虫虫害具有较好的区分和预测能力，电子鼻在棉花早期棉铃虫虫害中的检测具有一定的应用潜力。

关键词：电子鼻，神经网络，预测，棉花，棉铃虫，特征选择