基于深度置信网络-多类模糊支持向量机的粮食供应链危害物风险预警

摘要：

近些年粮食供应链安全问题频发,为减少食源性风险威胁,风险预警正逐渐成为强化粮食食品安全体系的有力保障.但现有风险预警方法在面对多源异构非结构化食品数据时,存在预警准确率低、人工成本高等局限问题.本文在分析全国26个省份的大量抽检数据及关联信息基础上,建立了基于深度置信网络(deep belief network,DBN)-多类模糊支持向量机(multiclass fuzzy support vector machine,MFSVM)的风险分级预警模型,先对海量粮食供应链抽检数据进行嵌入编码和归一化处理,获得结构化食品数据;将其输入到DBN模型进行高维度特征提取,自适应地挖掘供应链中各危害因素间风险变化及内在关联概率,最后将高维特征输入到优化的MFSVM进行训练,实现供应链中各主要危害物风险分级预警.对比实验结果表明,DBN-MFSVM模型在粮食抽检数据上具有更好鲁棒性和泛化性,其准确率达到98.44％,运行时间85 s,可快速识别出粮食供应链中危害物风险程度和优先次序,为监管部门制定有针对性的抽检策略、确立优先监管领域和分配风险监管资源提供科学依据.

关键词：粮食供应链安全、风险预警、深度置信网络、多类模糊支持向量机

所属期刊栏目：41

分类号：TS210.1;TP183(食品工业)

资助基金：“十三五”国家重点研发计划重点专项;北京市教育委员会科技计划一般项目

在线出版日期：2020-12-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：17-24