随着冷链物流行业的快速发展，运输过程中的冷链物流安全问题日益突出，因此评估物流传播风险并研究不同材料的生物安全性具有重要意义。本研究旨在探索冷链装卸和运输过程中的传播风险。首先通过生物实验测定了6种不同材料（木材、聚乙烯泡沫棉、棉布、橡胶、丁腈和纸板）在不同温度（-20℃、5℃）和不同储存时间（3h、6h、12h、24h）条件下表面大肠杆菌的死亡率。实验结果表明，丁腈材料最安全，而聚乙烯泡沫棉材料风险最高。其次，通过风速实验获得了装卸过程中风速与颗粒物降低率的线性关系。随后，对比了三种不同线性回归方法的优缺点，选择二次曲线（3μm和5μm的R²分别为0.959和0.952，AIC分别为-208.851和-176.010，BIC分别为-203.711和-170.870）作为最优模型。为了全面分析冷链过程中的传播风险，本研究建立了多途径传播风险模型，并基于实验数据构建了相应的数据库。通过对比五种机器学习算法，根据准确率和AUC值对五种模型进行综合评估，确定随机森林（准确率0.91，AUC 0.98）和Stacking集成算法（准确率0.89，AUC 0.98）为最优模型。

机器学习；微生物传播特性；冷链物流；传播风险评估