Este estudio evaluó la fiabilidad de una nariz electrónica en el monitoreo de la concentración de olores cerca de una planta de tratamiento de aguas residuales y examinó la correlación entre cuatro lecturas de sensores y la intensidad del olor. Los sensores químicos de la nariz electrónica están relacionados con la concentración de las siguientes especies químicas: dos valores para la concentración de compuestos orgánicos volátiles (COV) registrados a través del sensor PID (VPID) y el sensor EC (VEC), y concentraciones de ácido sulfúrico (VHS) y benceno (VCH). Utilizando Random Forest y análisis de regresión de mínimos cuadrados, el estudio identifica a VHS y VCH como contribuyentes clave a la concentración de olores (C). Se probaron tres modelos de Random Forest (RF0, RF1, RF2), con diferentes características para la división entre el conjunto de prueba y el conjunto de entrenamiento, siendo RF1 el que mostró un rendimiento predictivo superior debido a su enfoque de entrenamiento. Todos los modelos destacaron a VHS y VCH como predictores significativos, mientras que VPID y VEC tuvieron menos influencia. Se encontró una correlación significativa entre la concentración de olores y las lecturas de sensores químicos específicos, particularmente para VHS y VCH. Sin embargo, predecir concentraciones de olores por debajo de 1000 ou/m resultó un desafío. La regresión lineal confirmó aún más la importancia de VHS y VCH, con un valor R-cuadrado moderado de 0.70, explicando el 70% de la variabilidad en la concentración de olores. El estudio demostró la efectividad de combinar Random Forest y regresión de mínimos cuadrados para obtener resultados robustos e interpretables. La investigación futura debería centrarse en ampliar el conjunto de datos e incorporar variables adicionales para mejorar la precisión del modelo. Los hallazgos subrayan la necesidad de un entrenamiento específico de los sensores y procedimientos estandarizados para un monitoreo y caracterización de olores precisos.