针对传统半导体气敏传感器在气体识别方面存在的数据依赖度高和混合气体识别精度不足的问题，本研究提出了1种融合循环门控单元（GRU）、卷积与注意力机制的ConvGRUAttention网络模型.采用经验小波变换（empirical wavelet transform,EWT）对原始信号进行时频域转换与多尺度分解，抑制噪声并降低数据依赖，提高了模型的鲁棒性.本模型通过卷积层提取局部动态特征，利用GRU捕捉信号的长期依赖，并引入注意力机制动态优化多尺度信号的特征权重，增强模型的特征提取和泛化能力.通过实验验证，定性识别准确率达到了100%，定量识别的均方根误差为3.3×10-6.与传统方法相比，混合气体检测精度显著提高.
