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

作     者：于家斌 范依云 王小艺 赵峙尧 金学波 白玉廷 王立 陈慧敏 YU Jiabin;FAN Yiyun;WANG Xiaoyi;ZHAO Zhiyao;JIN Xuebo;BAI Yuting;WANG Li;CHEN Huimin

作者机构：北京工商大学人工智能学院北京100048 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 北京服装学院文理学院北京100029 

出 版 物：《食品科学》 (Food Science)

年 卷 期：2023年第44卷第3期

页      面：88-97页

核心收录：

学科分类：0832[工学-食品科学与工程（可授工学、农学学位）] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 083202[工学-粮食、油脂及植物蛋白工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：“十三五”国家重点研发计划重点专项(2020YFC1606801) 北京市自然科学基金项目(4222042) 

主　　题：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 

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(extreme learning machine,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。