换一批基于多源异构数据的肉类食品安全风险评级模型研究
Research on risk rating model for meat food safety based on multi-source heterogeneous data
摘要目的 基于多源异构数据构建肉类食品安全风险评级模型.方法 依据 2020-2023 年肉类监督抽查数据、食品召回数据、实验室管理系统数据和行政处罚数据等多源异构数据,分析肉类食品的全链安全风险因素类别.通过数据治理手段,使用基于决策树的随机森林算法构建肉类食品安全风险评级模型.结果 肉类食品安全风险评级模型的准确率达到 90%以上,与实际情况基本吻合,基于模型分析发现食品添加剂和微生物指标的风险程度要高于其他类别,其中山梨酸、亚硝酸盐和胭脂红这 3 类食品添加剂具有较高风险,菌落总数在微生物指标中具有较高风险,在流通环节的菌落总数的不合格率要高于生产和餐饮环节.结论 基于随机森林的肉类食品安全风险评级模型可以推断肉类安全风险因素的风险程度,该模型可以为政府和监管机构提供风险管理方面的数据支持,并为监督抽检方向提供建议.
更多相关知识
关键词
肉类食品安全风险随机森林决策树机器学习数据治理meat food safety risksrandom forestdecision treemachine learningdata governance
栏目名称
DOI
10.19812/j.cnki.jfsq11-5956/ts.20240229001
发布时间
2024-07-16（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
