基于数据挖掘建立北京地区牛、羊肉串掺假风险预测模型

通过对2019年北京地区销售的牛、羊肉串掺假情况进行调查,建立基于数据挖掘的食品安全风险预测模型。本实验从10种不同销售渠道的100家销售单位采集牛、羊肉串样品200份,采用实时聚合酶链式反应法对样品进行猪、牛、羊、鸡、鸭5种源性成分检测,分析掺假情况,并基于检测指标及样品信息,运用反向传播(back propagation,BP)神经网络算法构建牛、羊肉串掺假的风险预测模型。结果表明:由质控样品获得的源性成分报出限为Ct值28.0,在此基础上本次调查的200份样品,总不合格率为17.5%(35/200),其中牛肉串样品不合格率为14%(14/100),羊肉串样品不合格率为21%(21/100),用猪肉和鸭肉进行肉类掺假是目前主要的掺假手段;利用上述调查数据,经数据准备、模型生成、数据训练和验证及参数优化,构建的3层BP神经网络预测模型对于不合格样本的预测准确率达95.7%,可满足风险预测的目的。该模型具有良好的参考和应用价值,可为食品安全风险预防和控制提供依据。