[发明专利]一种神经网络与层次分析法结合的食品安全风险预警方法

说明书

本发明公开了一种神经网络与层次分析算法结合的食品安全风险预警方法，利用基于熵权的层次分析算法对食品安全检测数据进行风险融合，将得到的风险融合值作为凝聚层次聚类‑径向基函数神经网络的期望输出，将检测数据作为凝聚层次聚类‑径向基函数神经网络的输入，建立凝聚层次聚类‑径向基函数神经网络预警模型以预测检测数据的食品安全风险。凝聚层次聚类‑径向基函数神经网络预警模型提升了传统的径向基函数神经网络预警模型的泛化精度，能够较为准确地实现食品安全风险预测。最后，根据建模结果开展食品安全预警分析，有助于有关部门加强对相关食品生产企业的监管，从而提高食品安全水平，降低食品安全风险。

技术领域

本发明涉及食品安全技术领域，尤其涉及一种神经网络与层次分析法结合的食品安全风险预警方法。

背景技术

食品安全是影响国计民生的社会问题。然而，近年来食品安全事故频发，严重威胁着消费者的健康，引起了消费者对食品安全问题的极大关注。为了减少食品安全事故的发生，需要加强食品安全监管，开展食品安全风险预警研究，把握食品安全风险的变化趋势，帮助相关部门进行有针对性的风险控制。

建立具有良好性能的食品安全风险预测模型对于有效的食品安全预警至关重要。目前常用的预测建模方法包括回归分析方法和贝叶斯网络方法。然而，在食品安全预警建模方面，回归分析方法不适合描述多维非线性关系。贝叶斯网络方法不能对变量的状态值施加约束，因此建立的预警模型往往与现实脱节。

发明内容

为解决现有技术存在的局限和缺陷，本发明提供一种凝聚层次聚类-径向基函数神经网络与基于熵权的层次分析算法结合的食品安全风险预警方法，包括：

获得待检测食品的食品安全检测数据；

使用基于熵权的层次分析算法对所述食品安全检测数据进行风险融合，获得所述食品安全检测数据的食品安全风险融合数据；

将所述食品安全风险融合数据作为食品安全风险预警模型的期望输出；

将所述食品安全检测数据作为食品安全风险预警模型的输入；

根据凝聚层次聚类-径向基函数神经网络形成食品安全风险预警模型；

使用所述食品安全风险预警模型对所述待检测食品进行食品安全风险预警。

可选的，所述使用基于熵权的层次分析算法对所述食品安全检测数据进行风险融合，获得所述食品安全检测数据的食品安全风险融合数据的步骤包括：

对于第p个样本，参数q的标准关联函数f_pq(x)定义如下：

其中，x_q(1)，x_q(2)，x_q(3)，x_q(4)是f_pq(x)的节点；

若x_q(2)和x_q(3)重合，得到下侧关联函数f_pq(x)：

预处理之后的数据为X＝[X(1)X(2)ΛX(n)]^T，根据所述下侧关联函数获得信息矩阵F_n×m：

其中，x_q(2)(q＝1,2,L,m)为平均值；

获得正矩阵R^q_n×m如下：

根据R^q_n×m获得n维对称矩阵COR：