[发明专利]一种基于优化ELM的食用油风险评估方法

说明书

本发明公开了一种基于优化ELM的食用油风险评估方法，属于食品安全领域，首先获取待检测食用油中风险因子的含量数据，然后用贝叶斯优化的小波阈值法进行滤波处理，将滤波数据通过灰色关联分析计算各风险指标的权重制定风险值标签后；将原始安全检测数据作为极限学习机的输入，风险值标签作为期望输出，利用贝叶斯优化极限学习机的参数从而得到预测风险值；最后利用模糊综合分析法对预测风险值进行风险等级划分。针对新的待评价食用油，利用评价模型进行风险评价后，直接得到其对应的风险等级。本发明提升了风险评价精度，有助于有关部门加强对相关食用油生产企业的监管，从而提高食用油安全水平，降低食用油安全风险。

技术领域

本发明属于食品安全领域，具体是一种基于优化ELM(Extreme learningmachine，极限学习机) 的食用油风险评估方法。

背景技术

食品安全问题一直是影响公众健康、经济发展和人类社会稳定的重要因素，而食用油作为人们 日常饮食中必不可少的原料，其质量与人类的健康戚戚相关；为了减少事故的发生，对于食用油的 风险评估及预警非常重要，它能够帮助相关部门进行有针对性的风险控制。

建立具有高精度高鲁棒性的风险评估模型对于食用油的风险控制至关重要。在实际测量食用油 风险因子的含量时，可能会因为传感器性能、仪器损坏等问题不可避免的出现测量噪声及错误，如 果不进行处理会导致最终风险评价结果的不准确，而传统的风险评价模型并没有考虑到这点，随之 模型的精度和鲁棒性都会受到影响。

当前，对于食品安全风险评估领域，主要采用德尔菲法或层次分析法等，但这些方法对于风险 指标的权重确定太过依赖于主观因素，无法基于已有的危害物含量数据进行各个风险指标的权重确 定，影响了实用性；且在确定完权重后对基于大量危害含量数据的风险评估显得力不从心，也难以 形成一个量化的客观通用标准。

发明内容

为解决现有技术存在的局限，本发明提出了一种基于优化ELM的食用油风险评估方法，针对 现有食用油的安全检测数据，通过滤波处理，提高了评价模型的鲁棒性和容错率，利用贝叶斯优化 算法分别优化滤波模块和评价模块的参数，提高了评价结果的精度，并将量化评价结果进行模糊综 合分析，划分了风险等级供相关部门参考，从而进行有效的食用油风险控制。

所述的基于优化ELM的食用油风险评估方法，具体步骤如下：

步骤一、针对待检测食用油，通过传感器获取其安全检测数据，并从中提取出风险因子的含量 数据；

风险因子包括酸值、过氧化值、砷、铅、黄曲霉毒素b1和苯并[a]芘等共m类。

步骤二、用贝叶斯优化的小波阈值法对各类风险因子的含量数据进行滤波处理；

具体过程为：

步骤201、对每一层小波分量的阈值和母小波函数类型，利用贝叶斯优化方法进行优化；

小波分解层数则由经验法确定。

步骤202：在优化的过程中逐步选取各个参数的上下限，并输入到贝叶斯优化算法中；

步骤203：利用优化后的母小波函数，对各类风险因子的含量数据分别进行小波分解，获得分 解结果；

小波分解的计算公式如下：

υ＝λ_iγ