集成改进AHP与XGBoost算法的食品安全风险预测模型:以大米为例

摘要：

近年来,我国在食品质量安全管控方面已有较大提升,但伴随着食品产业规模的增大,检验需求量的增多,食品安全检测数据出现高维、复杂且非线性等特征,这些特征会导致定量分析数据利用率低,从而直接影响以数据为载体的风险预测模型的准确性.为提高风险预测模型的准确性,以食品安全检测数据为基础,提出了一种集成层次分析法与极端梯度提升树算法的食品安全风险预测模型,并通过食品安全限定指标对集成模型进行优化改进,从而实现更高效准确的食品安全风险评估.研究以除港澳台外的全国31个省大米危害物检测数据为例,详细阐述了模型的使用方法,检验结果表明,该风险预测模型具有较强的平稳性与较高的准确性.研究旨在为食品安全监管部门评估决策提供一定的理论依据及参考.

关键词：食品安全;风险指标体系;风险预测;层次分析法;极端梯度提升树

所属期刊栏目：40

分类号：TS201.6(食品工业)

资助基金：北京市自然科学基金资助项目;国家自然科学基金;北京市优秀人才培养资助青年拔尖团队项目

在线出版日期：2022-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：150-158