基于优化的灰色关联分析-极限学习机食用油污染物风险评价模型研究.pdfVIP

882023,Vol.44,No.03食品科学※基础研究

基于优化的灰色关联分析-极限学习机食用油

污染物风险评价模型研究

1,211,3,*1,21,21,21,21

于家斌，范依云，王小艺，赵峙尧，金学波，白玉廷，王立，陈慧敏

（1.北京工商大学人工智能学院，北京100048；2.北京工商大学中国轻工业工业互联网与大数据重点实验室，

北京100048；3.北京服装学院文理学院，北京100029）

摘 要：近年来食用油安全事故频发，为降低这类事件的威胁，对其风险评价模型进行研究有着极其重要的意义。

针对目前食用油检测数据高维性、非线性、离散性和含噪声的特点，现有风险评价模型存在噪声抑制能力差、评价

不准确和模型参数调整主观性强等问题。对此，本实验提出一种食用油污染物风险评价模型。首先进行风险指标筛

选以及数据预处理，然后将处理后的数据输入到基于小波阈值法的滤波模块中进行滤波，随后通过灰色关联分析

计算各风险指标的权重来制定多指标综合风险值标签；由极限学习机（extremelearningmachine，ELM）对综合风

险值进行预测，在上述过程中利用实用贝叶斯优化算法分别来优化滤波模块和ELM网络的参数；最后利用模糊综

合分析对预测综合风险值进行风险等级划分。本研究依托150组食用油数据进行分析，详细阐述了该模型的使用流

程，通过不同模型对比实验，本研究模型决定系数R2和均方根误差分别为0.0563和0.9461，进一步验证了方法的优

越性和有效性，可以为相关部门制定风险控制策略、抽检策略以及优化加工链提供更为合理的依据。

关键词：食用油安全；风险评价；灰色关联分析；极限学习机；实用贝叶斯优化

RiskAssessmentModelforPollutantsinEdibleOilsBasedonOptimizedGreyRelationalAnalysis

CombinedwithExtremeLearningMachine

1,211,3,*1,21,21,21,21

YUJiabin,FANYiyun,WANGXiaoyi,ZHAOZhiyao,JINXuebo,BAIYuting,WANGLi,CHENHuimin

(1.SchoolofArtificialIntelligence,BeijingTechnologyandBusinessUniversity,Beijing100048,China;

2.KeyLaboratoryofIndustryIndustrialInternetandBigData,ChinaNationalLightIndustry,BeijingTechnologyandBusinessUniversity,

Beijing100048,China;3.SchoolofArtsandSciences,BeijingInstituteofFashionTechnology,Beijing100029,China)

Abstract:Inrecentyears,edibleoilsafetyproblemshaveoccurredfrequently.Inordertoreducethethreatofsuch

incidents,itisofgreatsignificanceto