科研之友
微信
新浪微博
Facebook
分享链接
摘要
乳制品是人们日常生活中一种重要的营养食品，为了提高对乳制品质量安全风险预测的准确性，保障乳制品质量安全，本文基于检测产品和检验数据的随机性、模糊性以及信息不完全性，将所得不同地区的乳制品检测数据通过改进的softmax公式进行等级划分，并按自然日进行分箱处理，通过风险权重等比例映射法得到风险等级，充分利用了乳制品灰色数据，对检验合格数据中的潜在风险进行挖掘。采用小波分解（Wavelet Decomposition,WD）和长短期记忆神经网络（Long Short-Term Memory,LSTM）模型结合的方式，对不同地区的乳制品检测数据进行风险预测。结果表明，该组合模型的平均准确率达97.54%，标准偏差为0.03，与经验模态分解（Empirical Mode Decomposition,EMD）-LSTM模型和有选择性重构且间隔为2的WD-LSTM模型相比准确率更高，稳定性更好，可实现对乳制品质量风险的预测和防控，能为乳制品的风险监管提供有利参考和技术支撑。
- 单位
