The invention discloses a neural network food safety risk prediction model based on ISM and AHP, which can quickly analyze and reduce the dimension of complex sample data, then quickly locate the range of risk components, and guide relevant departments to make targeted quality inspection arrangements. Compared with the existing technology for qualitative detection of dangerous indicators, the method has the advantages of fast detection speed and less time consumption, which can quickly eliminate the potential food safety hazards, and is conducive to guiding the food safety testing center to make progress on the components that may present safety risks. Step detection. Therefore, the technical scheme provided by the invention can reduce the dimension of inspection data, improve the generalization performance of RBF risk prediction model, is effective and feasible in processing complex food inspection data, and helps to improve food quality, ensure food safety and reduce food safety risks.
【技术实现步骤摘要】
基于ISM和AHP的神经网络食品安全风险预测模型
本专利技术涉及食品安全领域,尤其涉及一种基于ISM和AHP的神经网络食品安全风险预测模型。
技术介绍
“民以食为天,食以安为先”,食品安全问题影响着人们的人身安全和社会稳定。众多专家学者也从多个方面分析研究食品安全网络舆情,形成了大量研究成果。因此,对食品安全风险进行快速定位显得尤为重要。乳制品目前已是家家户户必备的食品,过去的三鹿奶粉事件仍然使人们惶恐不安,安全问题值得关注。乳制品的安全主要是通过衡量几项指标来监测质量合格的,本专利技术选取了包括脂肪、非脂乳固体、汞、砷、黄曲霉毒素M1、酸度、铬、蛋白质和铅在内的九种奶制品成分进行检测。目前使用的检测方法效率低,常用来检测食品安全的技术有光谱技术、色谱技术以及生物技术等,但是这些方法每次检测都需要对提取出来的全部成分进行分析,浪费了大量的时间和检测精力,时间成本相对较高。
技术实现思路
为解决现有技术存在的局限和缺陷,本专利技术提供一种基于ISM和AHP的神经网络食品安全风险预测模型,包括:获取食品安全的样本数据;根据ISM算法对所述样本数据进行分层,获得对应各个样本属性的分层结果;根据AHP算法形成初始决策矩阵X′=(X′ij)n×m,i=1,2,3,…,n;j=1,2,3,…m;其中,所述分层结果的网络节点的个数为n,所述网络节点的集合为X,X={X1,X2,…,Xn},所述分层结果的评估指标的个数为m,所述评估指标的集合为S,S={S1,S2,…,Sm};使用基于熵值权重的AHP算法获得第i(i=1,…,个评估指标的差异系数,所述差异系数的计算公式为其中 ...
【技术保护点】
1.一种基于ISM和AHP的神经网络食品安全风险预测模型,其特征在于,包括:获取食品安全的样本数据;根据ISM算法对所述样本数据进行分层,获得对应各个样本属性的分层结果;根据AHP算法形成初始决策矩阵X′=(X′ij)n×m,i=1,2,3,…,n;j=1,2,3,…m;其中,所述分层结果的网络节点的个数为n,所述网络节点的集合为X,X={X1,X2,…,Xn},所述分层结果的评估指标的个数为m,所述评估指标的集合为S,S={S1,S2,…,Sm};使用基于熵值权重的AHP算法获得第i(i=1,…,m)个评估指标的差异系数,所述差异系数的计算公式为
【技术特征摘要】
1.一种基于ISM和AHP的神经网络食品安全风险预测模型,其特征在于,包括:获取食品安全的样本数据;根据ISM算法对所述样本数据进行分层,获得对应各个样本属性的分层结果;根据AHP算法形成初始决策矩阵X′=(X′ij)n×m,i=1,2,3,…,n;j=1,2,3,…m;其中,所述分层结果的网络节点的个数为n,所述网络节点的集合为X,X={X1,X2,…,Xn},所述分层结果的评估指标的个数为m,所述评估指标的集合为S,S={S1,S2,…,Sm};使用基于熵值权重的AHP算法获得第i(i=1,…,m)个评估指标的差异系数,所述差异系数的计算公式为其中,k=1/lnm,rij为正交矩阵的元素;根据所述差异系数获得各个重要指标的权重,所述权重的计算公式为根据各个重要指标的权重获得融合之后的各层输出数据,所述输出数据的计算公式为X=XTW(6)使用RBF神经网络根据所述样本数据和所述输出数据对食品安全进行风...
【专利技术属性】
技术研发人员:耿志强,李洪达,韩永明,朱群雄,徐圆,
申请(专利权)人:北京化工大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。