[发明专利]基于ISM和AHP的神经网络食品安全风险预测模型

说明书

本发明公开了一种基于ISM和AHP的神经网络食品安全风险预测模型，可以快速对复杂的样本数据进行分析降维，进而快速定位出风险出现的成分范围，指导相关部门做出针对性的质检安排。本发明通过这种快速定位检测技术方法对样品进行筛查，相比于现有技术对危险指标进行定性检测，检测速度快，消耗较少的时间就可以快速消除食品安全隐患，有利于指导食品安全检测中心对可能出现安全风险的成分做进一步的检测。因此，本发明提供的技术方案能够对检验数据进行降维，同时提高了RBF风险预测模型的泛化性能，在处理复杂的食品检验数据方面是有效可行的，同时有助于提高食品质量，确保食品安全，降低食品安全风险。

技术领域

本发明涉及食品安全领域，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。

背景技术

“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，本发明选取了包括脂肪、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。

发明内容

为解决现有技术存在的局限和缺陷，本发明提供一种基于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，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。

可选的，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