论文部分内容阅读
目的:保障谷物资源的消费安全。方法:根据国家相关标准,确定以镉（Cd）、砷（As）、铅（Pb）、铬（Cr）、黄曲霉毒素（AFs）、伏马毒素（FB）、玉米赤酶烯酮（ZEN）、脱氧雪腐镰刀菌烯酮（DON）8个化学污染物为谷物质量安全的风险评价指标,采用基于熵权法的层次分析法（EW-AHP）计算各风险评价指标的权重,并利用权重将谷物资源中生物危害因素的日常采样数据量化为具体的风险值作为风险评估模型的输出。同时将评价指标的数据作为风险评估模型的输入,选择随机森林回归（LR）、支持向量机回归（SVM）、BP神经网络回归（BP）和K近邻回归（KNN）4种机器学习算法进行模型的构建和比较。结果:基于熵权的层次分析法随机森林回归算法（AHP-RF）构建的模型的预测相关系数达0.99以上,利用风险评估模型对2019年8月的谷物检测数据进行风险预测分析,相关结果与实际相符。结论:基于AHP-RF方法构建的风险评估模型可为谷物资源的安全监管提供有针对性的参考建议。