[发明专利]一种基于多机器学习算法融合的大米安全风险评估方法

权利要求书

1.一种基于多机器学习算法融合的大米安全风险评估方法，其特征在于，包括以下步骤：

步骤一：获取大米危害物检测数据并进行预处理；

所述预处理包括噪声过滤，数据集成与归一化处理；

预处理后的危害物检测数据包括所有危害物的标准化的检测值；

步骤二：构建大米安全风险评估指标体系；

获取专家对大米危害物指标的评估结果，然后执行：(1)先基于层次分析法AHP计算各专家的评估指标权重，评估指标权重是指对各大米危害物指标的评估权重；(2)再基于谱聚类法SC划分专家类别；(3)计算专家类别间权重以及专家类别内权重；其中，类别内专家数量越多、一致性差异越小，则该专家类别的权重越大；(4)最后确定各危害物指标的综合权重；

对第j个指标，由步骤(1)得到第i位专家对第j个指标的评估权重为w_ij，由步骤(2)将m位专家的评估结果聚为H类，其中第i位专家划分到类别h_i中，h_i∈{h₁,h₂,...h_H}，由步骤(3)得到类别h_i的权重为由步骤(4)得到类别h_i内专家i评估结果所占的权重为则加权后得到第i位专家评估结果对第j个指标的权重s_ij如下：

群决策后得到第j个指标的综合权重s_i如下：

将步骤一预处理后的危害物检测数据与综合权重加权，获得大米危害物风险值Y；

根据大米危害物风险值Y判断大米质量安全情况；

根据各危害物检测数据与对应综合权重的加权值，确定危害物对大米质量安全的影响；

步骤三：采用多机器学习算法融合构建大米危害物风险评估模型；

大米危害物风险评估模型选取XGBoost与LightGBM两种机器学习算法组成基学习器，选取长短期记忆网络LSTM作为元学习器；将预处理后的危害物检测数据输入大米危害物风险评估模型，基学习器中的两种机器学习算法的输出与预处理后的危害物检测数据一起再输入元学习器，最后模型输出大米危害物风险值Y。

2.根据权利要求1所述的方法，其特征在于，所述的步骤一中，噪声过滤是指删除样本检测结果判定与检测结果不符的数据；数据集成与归一化处理是指，统一检测数据格式为浮点型，并利用梯形隶属度函数标准化统一后的危害物检测结果。

3.根据权利要求2所述的方法，其特征在于，所述的步骤一中，利用如下函数标准化统一数据格式后的危害物检测结果；

其中，C(x)表示对危害物检测结果x标准化后的值，x_max为该危害物的国家标准值，x_min为无风险最大值，

4.根据权利要求1所述的方法，其特征在于，所述的步骤二中，在基于AHP计算指标的评估权重时，依据专家打分结果构建对大米危害物指标的判断矩阵，判断矩阵的行和列对应大米危害物指标，矩阵元素代表两个危害物指标的相对影响力大小。

5.根据权利要求1所述的方法，其特征在于，所述的步骤二中，基于SC算法划分专家类别时，包括：首先，基于专家对大米危害物指标的评估权重计算相容度矩阵，矩阵中元素代表两专家相容度，相容度通过计算指标中的余弦相似度得到；其次，将相容度矩阵输入SC算法，利用CH指标评价聚类效果，选取聚类效果最好的分类结果。