基于卷積神經(jīng)網(wǎng)絡(luò)的多種嗅覺(jué)感知預(yù)測(cè)方法、程序和系統(tǒng)，涉及化學(xué)分子信息處理技術(shù)領(lǐng)域，本發(fā)明在對(duì)單分子氣味物質(zhì)的高維化學(xué)分子描述符特征進(jìn)行基于特征取值多樣性的特征選擇和MinMax歸一化處理后，將其作為基于卷積神經(jīng)網(wǎng)絡(luò)的IP?HKHS?CNN預(yù)測(cè)模型的輸入，針對(duì)氣味物質(zhì)化學(xué)分子描述符特征之間存在大量冗余且其維度遠(yuǎn)高于氣味物質(zhì)樣本數(shù)量這一特點(diǎn)，本發(fā)明利用IP?HKHS?CNN網(wǎng)絡(luò)模型中大卷積核和大步長(zhǎng)能夠更有效地提取特征，并可以弱化全連接層以防止模型出現(xiàn)過(guò)擬合。通過(guò)高效地特征提取還可以減少單分子氣味物質(zhì)化學(xué)分子描述符特征中的冗余信息，從而實(shí)現(xiàn)了多種嗅覺(jué)感知的準(zhǔn)確預(yù)測(cè)，并大大提高了多種嗅覺(jué)感知預(yù)測(cè)的精度。