专利摘要显现，本发明触及一种依据气体指纹图谱与LSTM算法的有害气体检测办法，包含：收集气体浓度数据；生成气体指纹图谱；对所述气体指纹图谱进行预处理与特征提取；依据提取的特征数据，经过LSTM神经网络模型，剖析气体指纹图谱的时刻序列数据，并猜测有害气体的品种和浓度趋势。本发明的有利作用是：本发明结合LSTM算法的时刻序列剖析才能，可以捕捉气体指纹图谱中的时序改变特征，从而辨认多气体在杂乱布景下的存在，完成实时的监测与检测，有用进步对多气体环境的适应才能。而且，经过结合LSTM深度学习算法，本发明具有自学习和自适应的才能，可以从历史数据中学习气体的动态改变形式，并依据实践环境进行参数调整。