[发明专利]一种食品中化学危害物安全风险模糊综合评价方法

说明书

本发明公开了本发明的第一个目的是提供一种食品中化学危害物安全风险模糊综合评价方法，所述方法包括以下步骤：S1：检测食品中各个化学危害物的含量，确定各个化学危害物的评价值，并构建评价因素集；S2：建立模糊综合评价的评语集：以食品安全国家限量标准MRL为评价标准，采用“无/微，低，中，高，超高”5级标度法对食品安全风险进行评价；S3：以S1各个化学危害物的评价值为计算依据，采用熵算法确定多层次风险因子权重；其中，采用固定系数法对S1原始检测数据归一化法进行修订；S4：采用模糊综合评价法计算食品中各级化学危害物安全风险综合评价指数FSI。本发明的计算方法客观、统一，有效避免了主观因素的参与。

技术领域

本发明涉及一种食品中化学危害物安全风险模糊综合评价方法，属于食品安全领域。

背景技术

自古以来，“民以食为天”。随着现代社会经济的不断发展及生活科技水平的不断提升，人们对于食物的需求不再仅仅满足于“果腹”，营养、美味、健康、多样成为当今社会大众的美食追求，而在此之中，安全是对食品质量的最根本要求，对衡量食品质量高低具有“一票否决权”。“食以安为先”，在当前市场经济运行及管理模式下，科学开展食品质量监督抽检及风险评估，积极开展风险交流，主动、及时、全面掌握食品安全现状，是不断提升全社会食品安全水平的基础性保障手段之一。

食品安全涉及食品生产、流通、消费等各个环节的诸多因素，其本质是食品质量，最直接的客观反映即食品质量检测数据。随着食品安全监督抽检等工作的长期广泛开展，海量的食品质量安全检测数据逐步积累，这类大数据对于研究食品安全特征及危害因子分布消长规律具有极为重要的研究和应用价值。但食品质量检测数据体量巨大，构成复杂，对数据挖掘和分析技术提出极高要求。传统的描述性统计方法工作效率较低，数据综合分析能力弱，在大数据背景下其可用性和实用性有限，现实需求推动了基于多种数学模型的综合评估方法的深入探索。

当前，在食品安全风险综合评价研究和应用领域，主要采用德尔菲法、层次分析法、机器学习等评价方法。德尔菲法是专家调查法的主要模式之一，是采用多轮匿名反馈函询，通过收集和分析相关领域专家的专业意见，解决综合评估过程中的重点问题——风险因子权重设置及风险分级指标体系确定。层次分析法是一种层次权重决策分析方法，是将多目标、多准则或无结构特征的复杂决策问题进行逐级分解，构建一个层次关系合理的多级分析模型，通过专家评估等方法，确定最基本的方案、措施等相对于决策的相对重要权值，最终实现决策目标。但在具体实施过程中可见，两类方法依赖于专家意见，主观因素参与度高，难以形成客观通用的标准规则，同时分层分析法对评价要素要求高，判断矩阵需通过一致性检验，影响了实用效果。机器学习方法对复杂多样的数据具有极高效的深层次分析能力，是大数据时代最热门的应用工具之一，其中人工神经网络常用于风险评估和预测。人工神经网络是一种具有非线性适应性信息处理能力的算法，通过大样本训练获取系统内隐含规律，从而实现对基于现有定量定性知识的状态预测，但正是这种“黑箱”模型，造成无法对数据预测模型的合理性和准确性进行客观辨析，最终影响预测结果的可信度和可用度。

此外，由于食品安全影响因素众多，既往的研究报道为实现风险评价的全面性，评价指标往往结构繁琐，种类繁多，如食品质量水平、食品消费水平、风险因子暴露水平、食品安全舆情等多类型指标，而食品质量检验往往只是其中的一类。在此评价指标结构下，应用熵权法多以合格率、超标率、超标度等间接指标为计算依据，以此获取与食品质量相关的单一指标的权重。由于不同类型评价指标之间缺乏可比性，综合评价指标中其他评价指标的权重仍然多采用AHP等主观赋权法。

发明内容