[发明专利]基于ISM和AHP的神经网络食品安全风险预测模型

摘要

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。

主权项

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，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险预测，定位风险的层次，确定风险的成分。