来源：期刊VIP网 时间：
作者：孙晓荣;张晨光;李静;刘翠玲;张善哲;谭成功;
单位：北京工商大学计算机与人工智能学院;北京工商大学,北京市食品安全大数据技术重点实验室;中国网络安全审查认证与市场监管大数据中心;
摘要：为实现冷鲜猪肉的食品安全风险预测，在不同温度、不同存放时间条件下，采集冷鲜猪肉感官指标和菌落数量，依据国家标准建立感官和品质等级评价体系，使用温度、时间、感官指标和菌落总数数据，基于决策树(Decision tree, DT)、支持向量机(Support vector machine, SVM)和极限梯度提升算法(Extreme gradient boosting, XGB)分别建立感官等级和品质等级预测模型。其中，XGB构建的模型预测准确率均在85.71%以上，预测集决定系数(Coefficient of determination,R2)最高为0.929，最低为0.768。考虑到冷链食品储运过程的实际情况，减少模型输入，使用温度和时间对感官等级和品质等级进行预测。其中，XGB构建的模型预测准确率均在80.95%以上，R2最高为0.929，最低为0.698。研究结果表明，基于XGB算法建立的模型准确率最高，所建立的感官和品质预测模型稳定可靠，具有较高的预测精度和泛化能力，实现了对冷鲜猪肉的风险预测。
关键词：冷鲜猪肉;;风险预测;;定性分析;;极限梯度提升算法
基金资助：科技部“食品营养与安全”重点研发专项(2022YFF1100905);; 北京市教育委员会“市属高校分类发展-北京工商大学数字商学新兴交叉学科平台建设”项目
