【摘 要】
：
近年来我国国际地位不断提升,相继在各地举办各种重大活动。重大活动中的食品安全事件时有发生,尤其是有毒有害危险物难防范、难预警的问题较为突出。因此急需建立重大活动食品安全风险评估与预测预警指标体系,并且通过机器学习、深度学习等算法,基于海量的国家市场监督管理总局食品日常监督管理抽检数据,在重大活动中迅速识别、明确反应食品安全风险,有效解决重大活动安防中食品安全问题。首先,设计了一套适用于重大活动的食
论文部分内容阅读
近年来我国国际地位不断提升,相继在各地举办各种重大活动。重大活动中的食品安全事件时有发生,尤其是有毒有害危险物难防范、难预警的问题较为突出。因此急需建立重大活动食品安全风险评估与预测预警指标体系,并且通过机器学习、深度学习等算法,基于海量的国家市场监督管理总局食品日常监督管理抽检数据,在重大活动中迅速识别、明确反应食品安全风险,有效解决重大活动安防中食品安全问题。首先,设计了一套适用于重大活动的食品安全风险评估指标体系。重大活动食品安全风险评价指标体系包含食品大类、食品亚类、检测危险毒害物所属类别、检测危险毒害物项目、检测结果统计以及其理化生物性质等五级指标。以肉及肉制品为例,详述了基于AHP（Analytic Hierarchy Process,层次分析法）的指标权重计算方法、风险量化方法、指标融合计算过程,最终得到其风险值为2.55。其次,选取指标体系中的肉及肉制品作为研究对象,通过集成学习Stacking分析其日常监督管理抽检中某一被检测样品的诸多相关属性,从而判断其是否合格。从风险定义的角度来说,若合格,则安全,判断为低风险,若不合格,则不安全,判断为高风险,最终得到该方法准确度为94.20%,精确度为93.78%,召回率为97.57%,分数为95.63%,模型参数较优,性能良好。然后,选取指标体系中的鲜（冻）肉制品中的铅污染物含量构建研究场景,以北京作为重大活动举办地,对其进行风险评估与预测预警,基于LSTM（Long Short-Term Memory Neural Network,长短期记忆）神经网络结合专家经验,通过过去某段时间内的铅含量风险,预测未来时间内的铅含量风险。结果表明,模型评估参数RMSE为0.192,R~2＿score为0.916,模型误差较小、准确度较高。最后,基于Flask-RESTful-API框架,对集成学习Stacking肉及肉制品安全风险分析预测模型和LSTM鲜（冻）肉制品铅含量风险预测模型进行封装、接口编程、本地服务部署与启用,随后通过Postman平台对其进行测试,结果表示接口运行稳定,为以后的重大活动食品安全警务情报研判系统开发打下了基础。
其他文献
步入21世纪以来，人民生活水平不断提高，人们对生活的追求已经不再局限于物质方面，而是逐渐拓展到了精神层面。于是，越来越多的人选择利用闲暇时间旅游，这在很大程度上促进了旅游经济的发展，同时也带动了相关地区经济发展水平的提高。本文立足于当前阶段地区旅游经济发展的实际情况，探讨地区旅游经济在发展过程中面临的问题，并在此基础之上寻求相应的应对策略，希望能够为更好地促进地区综合发展水平的进步以及旅游业的创新
随着非线性偏微分方程在数学、物理、生物工程、非线性光学等领域的应用越来越广泛,对其精确解的研究也成为了一项重要的工作。与线性方程一样,非线性偏微分方程也有方程组、分数阶等不同形式,本文选取了两种不同形式的非线性偏微分方程,分别对其精确解进行了研究。它们是非线性Konno-Oono耦合方程和时空分数阶Phi-4方程。非线性Konno-Oono耦合方程是一个非线性偏微分方程组,针对此方程,本文应用Ri
随着网络技术的普及,每个人既是信息的发布者和传播者又是信息的受众,金融领域与网络论坛深度融合拓宽了投资者沟通和交流的平台,这些金融论坛不仅改变了信息的传播方式,也加剧了金融市场的“羊群效应”等非理性投资行为。近年来深度学习等算法越来越多的运用于金融市场,对网络论坛的投资者情绪以及金融数据的相关研究也越来越丰富,股指期货市场作为金融市场的重要组成部分也吸引着金融研究者们对其进行预测研究。本文以深度学
随着城市规模的持续扩大,以及机动车保有量的不断增加,交通拥堵已经成为影响城市治理和经济发展的主要问题。区域交通拥堵频发已经成为制约城市经济发展及社会活动的主要因素之一,同时对区域交通管理水平提出了更高的要求。针对交通区域拥堵特点探究区域交通优化控制方法已经成为交通管理与控制领域研究的重点与难点问题之一。边界控制方法的研究是区域交通控制优化研究的核心内容之一。随着AI技术的发展,越来越多的AI方法,
图像分类是深度学习中主要研究领域,利用大规模数据对模型进行训练,取得了较好的结果。然而,现实生活中诸多领域的图像样本数量极其稀少且获取成本高,基于小样本学习的图像分类任务虽然取得了一定的成果,但仍然存在着灵活性不高和泛化能力不强等问题,在样本过少的情况下难以达到较高的分类准确率。因此,利用小样本学习进行图像分类算法研究的意义不言而喻。围绕上述问题,本文开展了基于图像变形网络的小样本图像分类算法研究
下肢辅助运动装置是一种固定在人体下肢且智能化的设备,结合了控制和信息融合等多种技术,主要应用于康复医疗与负重助力等领域。现阶段国内外在辅助运动装置步态规划及稳定性分析方面做了许多研究,其中倒立摆模型是辅助运动装置步态研究方面较为常用的模型之一。仿真技术是机器人研发不可或缺的手段,可以有效的降低科研支出并提高研发效率,本文围绕辅助运动装置仿真平台以及控制系统进行研究,主要研究内容如下:针对目前适用下
目的:探讨基于FS-T2WI的影像组学模型对甲状腺乳头状癌与腺瘤的鉴别诊断价值。方法:回顾性分析经手术病理证实的甲状腺结节共72个，其中乳头状癌42个，腺瘤30个。患者术前均行甲状腺MRI平扫检查。所有结节按7:3的比例随机分为训练集和测试集。在FS-T2WI图中逐层勾画病灶并提取影像组学特征，后使用曼-惠特尼U秩和检验以及最小绝对收缩和选择算子对特征进行降维，使用支持向量机（SVM）分类器对提取
联网环境下的车辆队列自适应巡航控制在解决当今道路运输系统的一些关键的问题如缓解交通拥堵、提高道路安全性以及节能减排等方面拥有巨大潜力,在物流货运、城市客运等领域显示出广阔的应用前景,可带来相当显著的经济效益和社会效益。本论文针对车辆纵向队列协同自适应巡航控制（Cooperative Adaptive Cruise Control,CACC）系统中存在的通信损失、车辆无法准确建模、以及队列车辆跟踪切
近几十年来,由多个智能体通过网络相互通信组成的网络化多智能体系统的协同控制在各个领域都有非常广泛的实际应用,如卫星编队、多无人机、移动机器人等。现存的研究大多集中在多智能体系统在理想通信条件下的协同输出跟踪控制。然而,在实际应用中,网络的引入不可避免地会导致一些通信约束问题,如随机网络时延和数据包丢失。这些通信约束不仅会影响系统的控制性能,而且会严重破坏网络化多智能体系统的闭环稳定性。本文对于一类
近年来,能力导向的教学理念已然成为教育界的共识。传统的教学过程以知识点的掌握情况作为教学目标,难以体现学生的能力水平。同时,智慧教育发展和个性化学习需求日益增加。如何利用数据挖掘和人工智能技术对学生能力水平进行评价,以及个性化试题推荐已经成为了研究热点。本文以能力导向的教学理念为基础,提出了一种描述课程教学目标的结构化能力模型。该模型以“知识关键词+能力维度”的形式描述基本教学目标单元。其中知识关