Bu çalışmada, sensörlerin kararlı durum sinyalleri kullanılarak trikloretilen ve karbontetraklorid gazlarının nicel sınıflandırılması yapılmasına çalışılmıştır. Bu amaçla, Yapay Sinir Ağları (YSA) kullanılmıştır. YSA, gaz konsantrasyon tahmini ve gaz karışımı sınıflandırması için kullanılmıştır. Gaz konsantrasyon tahmini için, gaz sensörlerinin geçici durum cevabı ve gaz karışımı sınıflandırması için, sensör kararlı durum cevapları alınmıştır. Bir ileri-beslemeli çok-katmanlı gizli-katmanlı yapay sinir ağı, geriye-yayılım ve Levenberg-Marquardt öğrenme algoritmalarıyla gerçekleştirilmiştir. Bu sistem için başarılı performanslar elde edilmiş ve YSA’nın uçucu organik bileşimlerin nicel sınıflandırılması için uygunluğu gözlenmiştir.

In this study, quantitative classification of tricholoroethylene and carbontetrachloride was tried using steady state responses of sensors. For this purpose, Artificial Neural Networks (ANN) were used. ANN was used for gas concentration estimation and quantitative classification of the gas mixture. For gas concentration estimation, the gas sensor transient state responses were taken and for quantitative classification of the gas mixture, the gas sensor steady state responses were taken. A feed-forward multi-layer neural network with hidden layers trained by a backpropagation and Levenberg-Marquardt learning algorithms has been implemented. Acceptable performance is obtained for this system and the appropriateness of ANN for the quantitative classification of volatile organic compounds is observed.