在化工生产实验中,经常调配产生新的化合物,然而新产生的化合物所具有的气味可能是未知的,在不知一种化合物的气味是否有刺激性时,是不能依靠人体的感觉器官去检测的。本文研究的目的就是将机器学习算法应用到嗅觉领域,结合化学与香精香料领域知识,根据气味分子的化学结构特征建立模型预测气味刺激性。研究中采用梦想气味数据集结合Pubchem建立标准气味数据库建立模型进行单分子化合物的刺激性分类预测。在数据预处理上,首先检查了每个特征的缺失值与异常值,对于个别缺失值用对应列的平均数代替,整列为0的无关向量则剔除,对于异常值由于个数较少则不做处理;其次根据两两特征之间的相关性分析去除掉相关度高的冗余特征;最终分别采取手工特征选取、PCA特征转换、t-SNE特征转换、随机森林特征选取四种方法进行降维,最终共筛选出15维化学分子描述符特征,并建立标准气味分子数据库以供后续使用。在模型的选择上选取了随机森林、Logistic回归、XGBoost与Stacking四种算法建立分类模型,在建模之前对数据分别进行No Sample、Over Sample、Smoteenn平衡采样三种采样方法处理数据,从而使样本数据分布均匀,防止过拟合。在对模型的评估方面,采用模型预测的准确率Accuracy与F1-Score等评分指标对模型的效果进行综合评价,根据生成的混淆矩阵可以直观的看出真正例、假反例等指标的预测结果。通过对比验证建立的12个预测模型综合评估可知,采用Smoteenn平衡采样的Stacking模型对气味刺激性的分类效果是最好的。并将此气味识别系统应用于实际生活中,基于Django框架、Python语言、My SQL数据库搭建了一个刺激性气味识别网站。本研究根据气味分子的化学结构特征建立模型预测气味刺激性,既能防止有毒气体危害公共人体安全,也能省去为确定气味分子刺激性而付出的时间与精力,为后续研究气味化合物的通用性表征奠定基础。