摘要：借助电子鼻检测存储60、120、 180、 240、 300、 360 d的黄山毛峰茶香气信息，根据电子鼻各传感器响应曲线变化特点，选取出1组能够表征不同香气信息的基本特征变量，分别采用主成分回归(PCR)、偏最小二乘回归(PLS)和BP神经网络(BPNN)方法，建立茶叶存储时间的预测模型。测试样本集对3种预测模型的检验结果表明：PCR、PLS、BPNN模型的预测标准误差分别为10.05、6.04、3.21 d；最大预测相对误差分别为11.03%、7.02%、5.89%；平均预测相对误差分别为6.73%、4.74%、3.62%；预测值与实际值之间的决定系数R2分别为0.862、0.896、0.987。 3种模型都能较好地对茶叶存储时间进行预测，相比较而言，BPNN模型性能最优，PLS模型性能优于PCR模型。

关键词：电子鼻，茶叶存储时间，多传感器融合，主成分回归，偏最小二乘回归，BP神经网络