摘要目的 建立基于粒子群(particle swarm optimization,PSO)算法优化堆叠模型(stacked generalization,Stacking)的蔬菜安全风险预测模型,对上海市市售蔬菜中倍硫磷的抽检结果进行预测.方法 基于 2021-2023 年上海市市售蔬菜中倍硫磷的抽检数据,选取任务类型、抽样地区、抽样环节、抽样场所、抽样月份、检测机构、蔬菜品种作为特征变量,以蔬菜中倍硫磷的抽检结果是否合格为目标变量;采用十折交叉验证筛选优良机器学习模型、重采样方法,经PSO算法优化模型参数后构建PSO-Stacking预测模型.结果 3889 件蔬菜中检出倍硫磷阳性样品 55 件,不合格率为 1.4%.其中,豆类蔬菜不合格率最高(2.3%),其次为茄果类(0.2%).筛选得到基模型,包括随机森林(random forest,RF)、类别特征梯度提升树(categorical boosting,CatBoost)、梯度提升(gradient boosting,GB)、极端梯度提升(extreme gradient boosting,XGBoost)和轻量级梯度提升机(light gradient boosting machine,LGBM),最佳重采样方法为自适应合成抽样(adaptive synthetic sampling,ADASYN)技术.PSO-Stacking模型在测试集上的精确率(0.91)、召回率(0.83)、F1 值(0.87)和曲线下面积(area under the curve,AUC)值(0.91)均为最高.结论 PSO-Stacking模型在不均衡食品安全抽检数据中表现优异,能准确预测蔬菜中倍硫磷不合格样本,为蔬菜监督抽检及风险预警提供技术支撑.