机构名称：
¥ 1.0
场效应晶体管 (FET) 传感器是一种极具吸引力的电位法 (生物) 化学测量设备，因为它们具有快速响应、低输出阻抗以及在标准集成电路制造技术中实现微型化的潜力。然而，这些传感器在实际应用中的广泛采用仍然有限，主要是因为时间漂移和交叉敏感性会在测量中引入相当大的误差。在本文中，我们证明，可以通过联合使用一系列 FET 传感器（针对目标和主要干扰离子进行选择）和机器学习 (ML) 方法来纠正这种非理想情况，以便连续和在现场准确预测离子浓度。我们研究了线性回归 (LR)、支持向量回归 (SVR) 和最先进的深度神经网络 (DNN) 在实际水质评估条件下连续 90 天内收集的组合 H +、Na + 和 K + 离子敏感 FET (ISFET) 读数序列监测 pH 时的预测性能。所提出的 ML 算法是根据从商用 pH 传感器获得的参考在线测量值进行训练的。结果表明，DNN 能够提供超过一周的精确 pH 值监测，与标准的两点传感器校准方法相比，相对均方根误差降低了 73%。
传感器和执行器：B.化学
主要关键词
相关文件推荐
