BP神经网络在乳制品质量安全风险预警中的应用
发布时间：2021-11-27 09:57
以提高乳制品质量安全风险预警的精准性为研究目的,从乳制品生产加工环节遴选了影响乳制品质量安全风险的关键因素作为预警指标,并构建了预警指标体系。尝试将BP网络算法引入乳制品质量安全风险预警中,构建了基于BP神经网络乳制品质量安全风险预警模型。并利用2002-2017年的相关指标数据样本对网络模型进行训练和验证。结果表明,BP网络的预测精度达到99.77%,泛化能力R2为0.9409,说明将该模型用于乳制品质量安全风险预警是一种切实可行的方法。
【文章来源】：中国乳品工业. 2020,48(07)北大核心
【文章页数】：5 页
【部分图文】：
线性回归
食品质量国家抽检合格率是对食品生产加工环节质量控制水平的综合评价，也是验证生产过程控制有效性的方法之一。因此，本文选择乳制品质量抽检合格率指标来概括性地说明乳制品质量安全水平的变化情况。同时，基于X-Rs（单值—移动极差）控制图思想原理，将乳制品抽检合格率的历史数据依次划分为不安全（90.5%以下）、较不安全（90.5%,93.5%）、基本安全（93.5%,96.5%)和安全（96.5%以上）等四个警区区间。相对应的警级设定分别为重警、中警、轻警和无警，如图1所示。1.2 警兆指标
利用训练好的网络对2015,2016和2017年等乳制品合格率进行预警预测，仿真结果通过反归一化re-verse函数得到最终预测值，其所属警区并未发生变化，如表4所示。为了科学地评判BP网络模型预测结果的优劣，利用平均绝对百分误差MAPE和拟合系数R2等标准进行衡量[18]。表4中的网络实际输出值的最大相对误差绝对值为0.33%，最小相对误差绝对值为0.05%，计算得平均绝对误差百分比为0.23%。而一般计量经济学认为评价结果的误差范围在20%左右就说明评价效果较好，由此可见，该网络模型具有一定的有效性和可靠性。同时，拟合系数R2为0.9409，趋近于1，说明该网络模型的拟合能力较强，具有更好的泛化性质。因此，本文所构建的BP网络可以用作乳制品质量安全风险预警模型。图3 线性回归
【参考文献】：
期刊论文
[1]物联网环境下的乳制品供应链质量安全风险管理研究[J]. 何静,杨翼. 中国乳品工业. 2019(02)
[2]乳制品冷链物流预警研究[J]. 杨玮,王晓雅,张琚燕. 中国乳品工业. 2018(07)
[3]基于支持向量回归机的乳制品质量预测[J]. 寇莹,李学飞,郭微. 黑龙江畜牧兽医. 2017(16)
[4]基于熵理论的乳制品质量安全危机预警研究——以内蒙古乳制品企业为例[J]. 张凯,郝晓燕. 黑龙江畜牧兽医. 2017(14)
[5]产业集中度对食品质量安全的影响——以乳制品为考察对象[J]. 周小梅,张琦. 中共浙江省委党校学报. 2016(05)
[6]一种基于改进遗传算法的神经网络优化算法研究[J]. 刘浩然,赵翠香,李轩,王艳霞,郭长江. 仪器仪表学报. 2016(07)
[7]基于时间序列分解法对原料乳质量安全预测的探究[J]. 董笑,白宝光. 食品工业. 2016(05)
[8]对建立乳制品质量安全预警指标体系的探究[J]. 董笑,白宝光. 内蒙古科技与经济. 2016(04)
[9]奶牛规模化养殖的可持续性评价[J]. 赵文哲,钱贵霞. 中国人口.资源与环境. 2013(S2)
[10]基于Shewhart Control Chart的生鲜乳中兽药残留风险预警方法研究[J]. 韩荣伟,郑楠,于忠娜,屈雪寅,李松励,周雪巍,王加启. 中国畜牧兽医. 2013(S1)
博士论文
[1]乳制品质量安全风险评价与监管研究[D]. 权聪娜.河北农业大学 2014
硕士论文
[1]乳制品生产企业质量安全风险控制研究[D]. 石蒙蒙.山东建筑大学 2017
本文编号：3522046
【文章来源】：中国乳品工业. 2020,48(07)北大核心
【文章页数】：5 页
【部分图文】：
线性回归
食品质量国家抽检合格率是对食品生产加工环节质量控制水平的综合评价，也是验证生产过程控制有效性的方法之一。因此，本文选择乳制品质量抽检合格率指标来概括性地说明乳制品质量安全水平的变化情况。同时，基于X-Rs（单值—移动极差）控制图思想原理，将乳制品抽检合格率的历史数据依次划分为不安全（90.5%以下）、较不安全（90.5%,93.5%）、基本安全（93.5%,96.5%)和安全（96.5%以上）等四个警区区间。相对应的警级设定分别为重警、中警、轻警和无警，如图1所示。1.2 警兆指标
利用训练好的网络对2015,2016和2017年等乳制品合格率进行预警预测，仿真结果通过反归一化re-verse函数得到最终预测值，其所属警区并未发生变化，如表4所示。为了科学地评判BP网络模型预测结果的优劣，利用平均绝对百分误差MAPE和拟合系数R2等标准进行衡量[18]。表4中的网络实际输出值的最大相对误差绝对值为0.33%，最小相对误差绝对值为0.05%，计算得平均绝对误差百分比为0.23%。而一般计量经济学认为评价结果的误差范围在20%左右就说明评价效果较好，由此可见，该网络模型具有一定的有效性和可靠性。同时，拟合系数R2为0.9409，趋近于1，说明该网络模型的拟合能力较强，具有更好的泛化性质。因此，本文所构建的BP网络可以用作乳制品质量安全风险预警模型。图3 线性回归
【参考文献】：
期刊论文
[1]物联网环境下的乳制品供应链质量安全风险管理研究[J]. 何静,杨翼. 中国乳品工业. 2019(02)
[2]乳制品冷链物流预警研究[J]. 杨玮,王晓雅,张琚燕. 中国乳品工业. 2018(07)
[3]基于支持向量回归机的乳制品质量预测[J]. 寇莹,李学飞,郭微. 黑龙江畜牧兽医. 2017(16)
[4]基于熵理论的乳制品质量安全危机预警研究——以内蒙古乳制品企业为例[J]. 张凯,郝晓燕. 黑龙江畜牧兽医. 2017(14)
[5]产业集中度对食品质量安全的影响——以乳制品为考察对象[J]. 周小梅,张琦. 中共浙江省委党校学报. 2016(05)
[6]一种基于改进遗传算法的神经网络优化算法研究[J]. 刘浩然,赵翠香,李轩,王艳霞,郭长江. 仪器仪表学报. 2016(07)
[7]基于时间序列分解法对原料乳质量安全预测的探究[J]. 董笑,白宝光. 食品工业. 2016(05)
[8]对建立乳制品质量安全预警指标体系的探究[J]. 董笑,白宝光. 内蒙古科技与经济. 2016(04)
[9]奶牛规模化养殖的可持续性评价[J]. 赵文哲,钱贵霞. 中国人口.资源与环境. 2013(S2)
[10]基于Shewhart Control Chart的生鲜乳中兽药残留风险预警方法研究[J]. 韩荣伟,郑楠,于忠娜,屈雪寅,李松励,周雪巍,王加启. 中国畜牧兽医. 2013(S1)
博士论文
[1]乳制品质量安全风险评价与监管研究[D]. 权聪娜.河北农业大学 2014
硕士论文
[1]乳制品生产企业质量安全风险控制研究[D]. 石蒙蒙.山东建筑大学 2017
本文编号：3522046
本文链接：https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/3522046.html
