本发明提出了一种基于ODCIAL的电子鼻漂移抑制算法，该方法针对电子鼻系统中持续发生的长期漂移问题，采用主动学习与分类器集成的方式进行解决，从而提高系统的使用寿命，最终降低系统维护成本。方法首先对训练集以及测试集中的样本数据进行归一化以及降维处理，从而避免不同量纲和数量级的数据带来的偏重影响，除此之外降低数据维度后能大幅度降低模型的训练时间，有助于系统快速高效的得出结果。结合主动学习中的基于委员会查询以及集成学习方法筛选出高质量的训练集样本进行分类委员会的构建。使用支持向量机作为基础分类器。本发明提供的方法利用主动学习与分类器集成的方法，在电子鼻在线漂移抑制的过程中结合自适应采样的方式，自动控制每一批次主动学习采样的数量，从而实现电子鼻系统的在线漂移抑制，应用于电子鼻系统时更加具有优势。