一种基于表格深度学习和模型融合的单根静电形成纳米线半导体VOCs识别方法

本发明属于VOCs检测技术领域，公开了一种基于表格深度学习和模型融合的单根静电形成纳米线半导体VOCs识别方法，包括：获取第一数据集，第一数据集包括待识别VOCs通过单根静电形成纳米线半导体前后背栅阈值电压的变化值、背栅亚阈值摆动的变化值和背栅源漏电流的变化值；获取第二数据集，第二数据集包括待识别VOCs通过单根静电形成纳米线半导体前后结栅极阈值电压的变化值、结栅亚阈值摆动的变化值和结栅源漏电流的变化值；将第一、第二数据集进行Stacking模型融合，得到待识别VOCs种类的最终预测结果；进行Stacking模型融合时，基模型、元模型采用表格深度学习模型。本发明将表格深度学习和模型融合相结合，提高了静电形成的纳米线（EFN）气体传感器的VOCs识别率。