[发明专利]基于ISM和AHP的神经网络食品安全风险预测模型

权利要求书

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/ln m，r_ij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＝X^TW (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险预测，定位风险的层次，确定风险的成分。

2.根据权利要求1所述的基于ISM和AHP的神经网络食品安全风险预测模型，其特征在于，形成初始决策矩阵的步骤之后，获得第i(i＝1，…，m)个评估指标的差异系数的步骤之前，包括：

根据所述初始决策矩阵形成标准相关函数，所述标准相关函数为

根据所述标准相关函数可以获得信息矩阵，所述信息矩阵为

对所述信息矩阵进行归一化处理，获得归一化矩阵，所述归一化矩阵为

根据所述归一化矩阵获得正交矩阵，所述正交矩阵为COR＝RR^T。

3.根据权利要求1所述的基于ISM和AHP的神经网络食品安全风险预测模型，其特征在于，还包括：

使用高斯函数作为RBF神经网络的基函数，方差的计算公式如下：

其中，c_max为选取中心之间的最大距离，m为隐含层节点的个数；

使用最小均方误差计算隐含层至输出层之间神经元的连接权值，所述最小均方误差的计算公式如下：

W＝Φ⁺d (8)

其中Φ⁺＝(Φ^TΦ)^-1Φ^T，d为期待输出值。