5數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型34

發(fā)布時(shí)間：2016-07-02 09:01

本文關(guān)鍵詞：基于監(jiān)測(cè)數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型，由筆耕文化傳播整理發(fā)布。

第26卷第1期2010年1月農(nóng)業(yè)工程學(xué)報(bào)；TransactionsoftheCSAEVol；221；基于監(jiān)測(cè)數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型；章德賓1，徐家鵬1，許建軍2，李崇光1；（1．華中農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院土地管理學(xué)院，武漢；2．中國(guó)標(biāo)準(zhǔn)化研究院食品與農(nóng)業(yè)標(biāo)準(zhǔn)化所，北京10；摘要：以中國(guó)實(shí)際食品安全監(jiān)測(cè)數(shù)據(jù)為樣本，研究基于；關(guān)鍵詞：BP算法，神經(jīng)網(wǎng)

第26卷第1期2010年1月農(nóng)業(yè)工程學(xué)報(bào)

TransactionsoftheCSAEVol.26No.1Jan.2010

221

基于監(jiān)測(cè)數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型

章德賓1，徐家鵬1，許建軍2，李崇光1

（1．華中農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院土地管理學(xué)院，武漢430070；

2．中國(guó)標(biāo)準(zhǔn)化研究院食品與農(nóng)業(yè)標(biāo)準(zhǔn)化所，北京100086）

摘要：以中國(guó)實(shí)際食品安全監(jiān)測(cè)數(shù)據(jù)為樣本，研究基于BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警方法。首先對(duì)食品安全日常監(jiān)測(cè)數(shù)據(jù)進(jìn)行篩選簡(jiǎn)化，選擇其中與食品安全最為密切的167種檢測(cè)項(xiàng)目，以此檢測(cè)項(xiàng)目為指標(biāo)按月度劃分建立數(shù)據(jù)樣本。然后建立以167種檢測(cè)項(xiàng)為輸入層，包含2個(gè)隱層，以化學(xué)污染、農(nóng)藥殘留、獸藥殘留、重金屬、微生物致病菌5大類(lèi)為輸出層的食品安全預(yù)警神經(jīng)網(wǎng)絡(luò)模型，最后用所得數(shù)據(jù)樣本進(jìn)行訓(xùn)練和驗(yàn)證。結(jié)果表明，基于BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警方法能有效識(shí)別、記憶食品危險(xiǎn)特征，能夠?qū)︔斎霕颖具M(jìn)行有效的預(yù)測(cè)，研究有助于豐富食品安全數(shù)據(jù)的處理方法，有助于完善相關(guān)預(yù)警技術(shù)手段。

關(guān)鍵詞：BP算法，神經(jīng)網(wǎng)絡(luò)，MATLAB，食品安全，預(yù)警doi：10.3969/j.issn.1002-6819.2010.01.039中圖分類(lèi)號(hào)：TP391，TS207文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1002-6819(2010)-01-0221-06章德賓徐家鵬許建軍等.基于監(jiān)測(cè)數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26(1)：221－226.ZhangDebin,XuJiapeng,XuJianjun,etal.ModelforfoodsafetywarningbasedoninspectiondataandBPneuralnetwork[J].TransactionsoftheCSAE,2010,26(1):221－226.(inChinesewithEnglishabstract)

0引言

食品安全預(yù)警是食品安全管理的重要內(nèi)容，有效的預(yù)警體系能夠極大地提高食品安全水平，歐美、日韓等國(guó)家和地區(qū)普遍建有食品安全監(jiān)管或預(yù)警體系[1]。食品安全研究有助于減少對(duì)人類(lèi)健康的危害，也可降低中國(guó)農(nóng)產(chǎn)品出口技術(shù)壁壘事件發(fā)生率，減少全球化背景下跨地域食品安全不良因素影響[2-3]，具有重要現(xiàn)實(shí)意義。

食品安全預(yù)警研究方法可分為定性分析與定量數(shù)據(jù)預(yù)測(cè)2種。定性分析方法主要采用政策與理論分析得出預(yù)警結(jié)論，這種方法在食品管制研究[4]、參與人對(duì)食品安全風(fēng)險(xiǎn)態(tài)度的分析[5]、食品安全問(wèn)題認(rèn)知度[6]等國(guó)內(nèi)外相關(guān)研究中很常見(jiàn)，其中有數(shù)理統(tǒng)計(jì)數(shù)據(jù)，但數(shù)據(jù)主要來(lái)自問(wèn)卷調(diào)查，非來(lái)自實(shí)驗(yàn)室檢測(cè)。這些方法顯然不適用于頻繁的日常管理。第2種是基于數(shù)據(jù)分析的預(yù)警方法，通過(guò)對(duì)日常監(jiān)測(cè)網(wǎng)所得實(shí)驗(yàn)室檢測(cè)數(shù)據(jù)分析得到預(yù)警結(jié)論，是常見(jiàn)食品安全研究方法[7]，本文所用數(shù)據(jù)與方法屬第2類(lèi)。

已有研究存在2種不足。一是從總體上看已有的研究工作主要是基于統(tǒng)計(jì)方法，如時(shí)間序列、回歸分析等等，而這些方法都要求對(duì)系統(tǒng)結(jié)構(gòu)已知或變量間關(guān)系明確，這在實(shí)際中往往不現(xiàn)實(shí)，許多回歸分析模型偏離實(shí)際就是因?yàn)槟Ｐ捅旧斫Y(jié)構(gòu)不清。食品安全問(wèn)題與社會(huì)心理、政府管理能力、公眾心態(tài)等因素密切相關(guān)，是一個(gè)復(fù)雜問(wèn)題，對(duì)于此類(lèi)問(wèn)題基于確定關(guān)系的回歸分析往往

效果不佳[8]。二是已有研究只是在當(dāng)前數(shù)據(jù)出現(xiàn)超標(biāo)、數(shù)據(jù)變動(dòng)量超標(biāo)時(shí)根據(jù)統(tǒng)計(jì)值做出預(yù)警，這種在風(fēng)險(xiǎn)發(fā)展到臨界點(diǎn)或即將到臨界點(diǎn)時(shí)才進(jìn)行警示的方法不符合預(yù)測(cè)預(yù)報(bào)本質(zhì)。安全預(yù)警要能夠盡可能早的在已知數(shù)據(jù)看似正常的臨界狀態(tài)下分析得到未來(lái)知識(shí)，而不是對(duì)當(dāng)前狀態(tài)的說(shuō)明。

人工神經(jīng)網(wǎng)絡(luò)（artificialneutralnetwork，ANN）是人工智能中的重要工具，也是管理系統(tǒng)仿真研究的重要方法，其通過(guò)大樣本訓(xùn)練獲得系統(tǒng)隱含規(guī)律，不需要嚴(yán)格的輸入值間、輸入輸出值間假設(shè)關(guān)系，同時(shí)能夠以區(qū)間數(shù)、模糊數(shù)等方式處理定性信息。其中的BP（backpropagation）網(wǎng)在農(nóng)產(chǎn)品加工時(shí)間選擇[9]、水果品質(zhì)預(yù)測(cè)[10]、檢測(cè)分類(lèi)[11]、危害分析和臨界點(diǎn)控制（hazardanalysisandcriticalcontrolpoint，HACCP）中關(guān)鍵點(diǎn)的判斷[12]；以及在模式識(shí)別[13-15]等研究中有廣泛應(yīng)用。ANN方法能夠在系統(tǒng)內(nèi)部狀態(tài)未知條件下實(shí)現(xiàn)基于現(xiàn)有定量定性知識(shí)的狀態(tài)預(yù)測(cè)、預(yù)警。

本文在分析中國(guó)質(zhì)監(jiān)部門(mén)實(shí)際日常檢測(cè)數(shù)據(jù)的特征及預(yù)處理方法的基礎(chǔ)上，結(jié)合食品安全預(yù)警問(wèn)題特點(diǎn)，分析建立基于BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型，在MATLAB中編程實(shí)現(xiàn)；并進(jìn)行了模型的有效性驗(yàn)證。

1食品安全預(yù)警的BP神經(jīng)網(wǎng)絡(luò)模型

收稿日期：2008-04-05修回日期：2009-10-17

基金項(xiàng)目：中國(guó)標(biāo)準(zhǔn)化研究院基本科研項(xiàng)目資助（NO.56076S-1524）作者簡(jiǎn)介：章德賓（1975－），男，博士，副教授，研究方向?yàn)楣芾硐到y(tǒng)模擬。武漢華中農(nóng)業(yè)大學(xué)經(jīng)管土管學(xué)院，430070。Email:zhangdb@mail.hzau.edu.cn

ANN是人工智能與專(zhuān)家系統(tǒng)中對(duì)不確定性問(wèn)題處理具有高度解決能力的方法，其以并行處理、自學(xué)習(xí)、實(shí)時(shí)性等見(jiàn)長(zhǎng)。在實(shí)際問(wèn)題處理中，大量神經(jīng)元的微觀(guān)活動(dòng)構(gòu)成了神經(jīng)網(wǎng)絡(luò)的總體宏觀(guān)效應(yīng)，從而具有很強(qiáng)的表現(xiàn)能力與容錯(cuò)性[16]；其中BP神經(jīng)網(wǎng)結(jié)構(gòu)簡(jiǎn)單，訓(xùn)練與調(diào)控參數(shù)豐富，是神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛的一種[17]，在圖像語(yǔ)音模式識(shí)別、股市分析預(yù)測(cè)、管理問(wèn)題優(yōu)化與決策

222農(nóng)業(yè)工程學(xué)報(bào)2010年

等方面得到大量實(shí)際應(yīng)用[18]。食品安全問(wèn)題內(nèi)部影響因素復(fù)雜，社會(huì)群體構(gòu)成比例、社會(huì)文明法制等從宏觀(guān)上看都是影響食品安全重要因素，同時(shí)食品種類(lèi)、產(chǎn)量、菌落總數(shù)等測(cè)度、特征又是食品安全問(wèn)題不可忽視的重要因素。這些因素構(gòu)成了問(wèn)題的復(fù)雜性，也使得形式各異的檢測(cè)數(shù)據(jù)處理困難，以下首先對(duì)檢測(cè)樣本數(shù)據(jù)進(jìn)行詳細(xì)分析和預(yù)處理。

1.1數(shù)據(jù)的來(lái)源及預(yù)處理

通過(guò)與中國(guó)標(biāo)準(zhǔn)化研究院多位食品安全專(zhuān)家就課題進(jìn)行交流，得到2007年由中國(guó)質(zhì)監(jiān)系統(tǒng)監(jiān)督檢驗(yàn)部門(mén)日

常檢驗(yàn)的原始數(shù)據(jù)，主要是由國(guó)家質(zhì)量技術(shù)監(jiān)督局下設(shè)的國(guó)家各檢測(cè)中心和各省質(zhì)監(jiān)局報(bào)送。所得數(shù)據(jù)種類(lèi)多，數(shù)量大，有必要進(jìn)行預(yù)處理和適當(dāng)?shù)暮?jiǎn)化，以去除次要因素，突出待解決問(wèn)題。

數(shù)據(jù)為Excel格式，為方便處理我們導(dǎo)入形成數(shù)據(jù)庫(kù)db1.mdb如表1所示。上報(bào)頻率每周1次。研究對(duì)象僅指食品安全，現(xiàn)有的數(shù)據(jù)以食品安全為主。表1中限于篇幅隱去了（僅為在數(shù)據(jù)庫(kù)中不顯示）部分屬性如數(shù)據(jù)來(lái)源、生產(chǎn)廠(chǎng)商、產(chǎn)地、送檢單位、送檢日期等，計(jì)有數(shù)據(jù)記錄19000余個(gè)。

表1食品安全檢測(cè)原始數(shù)據(jù)報(bào)表

Table1Reportedrawdataoffoodsafetyinspection

樣品識(shí)別編號(hào)NZJ200713389NZJ200713389NZJ200713389NZJ200713394NZJ200713389NZJ200713393NZJ200713327NZJ200713394NZJ200710300NZJ200713394NZJ200710307GNZJ200713394NZJ200713393NZJ200713393NZJ200713393NZJ200713393NZJ200713393

產(chǎn)品子類(lèi)飲料飲料飲料方便食品飲料方便食品方便食品方便食品豆制品方便食品飲料方便食品方便食品方便食品方便食品方便食品方便食品方便食品

產(chǎn)品名稱(chēng)

生產(chǎn)日期

檢測(cè)項(xiàng)目名稱(chēng)砷鉛

實(shí)際檢測(cè)值0.00008mg/L0.0001mg/L＜0.002mg/L

有未檢出60cfu/g未檢出(檢出限為0.007mg/kg)

3.8%130000cfu/g符合要求未檢出(檢出限為0.03mg/kg)符合要求0.02mg/kg未檢出0.04mg/kg符合要求＜30cfu/100g

標(biāo)準(zhǔn)限量值≤0.01mg/L≤0.01mg/L≤0.002mg/L應(yīng)標(biāo)明不得檢出≤100cfu/g≤0.5mg/kg≤8.0%≤750cfu/g具有該產(chǎn)品固有的滋味及氣味，無(wú)異味

≤0.15mg/kg具該產(chǎn)品固有的色澤≤0.2mg/kg不得檢出≤0.2mg/kg具該產(chǎn)品固有的色澤≤40cfu/100g呈粉狀、片狀或顆粒狀及具有該產(chǎn)品固有的組織形態(tài)

檢驗(yàn)結(jié)果檢驗(yàn)項(xiàng)目判定類(lèi)型合格合格合格合格合格合格合格合格不合格合格合格合格合格合格合格合格合格

金屬金屬食品

添加劑標(biāo)簽致病菌微生物污染農(nóng)藥殘留食品成分微生物污染感官食品添加劑感官金屬致病菌金屬感官微生物污染感官

檢驗(yàn)單位國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）國(guó)家農(nóng)副產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心（南京）

樣品檢測(cè)結(jié)果合格合格合格合格合格合格合格合格不合格合格合格合格合格合格合格合格合格

冰露飲用

2007-11-13

純凈水

冰露飲用

2007-11-13

純凈水

冰露飲用

2007-11-13亞硝酸鹽

純凈水黑米粥

2007-11-07

配料表

冰露飲用金黃色

2007-11-13

純凈水葡萄球菌玉米糊藕粉黑米粥開(kāi)洋豆腐干黑米粥

2007-11-01菌落總數(shù)2007-11-12殺螟硫磷2007-11-07

水分

2007-09-02菌落總數(shù)2007-11-07

味糖精鈉色澤砷腸道致病菌鉛色澤

香芋奶茶

(普通型2007-09-08固體飲料)黑米粥玉米糊玉米糊玉米糊玉米糊玉米糊

2007-11-072007-11-012007-11-012007-11-012007-11-01

2007-11-01大腸菌群

NZJ200713393共19000項(xiàng)..略

玉米糊2007-11-01組織符合要求合格合格

數(shù)據(jù)特點(diǎn)形式各異：

1）描述性變量，如含水量較高、一般、低（含水量并不是一定不能數(shù)字準(zhǔn)確化，而是此檢測(cè)項(xiàng)可能是通過(guò)感官檢驗(yàn)得到。數(shù)據(jù)中的檢驗(yàn)方法有理化檢驗(yàn)，但也有很多是感官檢驗(yàn)、標(biāo)簽檢驗(yàn)）。

2）有的是界限值如未超過(guò)、超過(guò)200×10-6（可能這

個(gè)儀器就設(shè)計(jì)成這樣，只給出過(guò)與不過(guò)2種結(jié)果）。有的給出了具體數(shù)值。

3）具體檢測(cè)種類(lèi)較多，約1300種。數(shù)據(jù)庫(kù)表中檢測(cè)項(xiàng)僅為順序號(hào)，未進(jìn)行編碼。因此，要將這些數(shù)據(jù)項(xiàng)

第1期章德賓等：基于監(jiān)測(cè)數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型223

的評(píng)價(jià)全部納入到一個(gè)模型或一個(gè)系統(tǒng)中，就需要一個(gè)比較簡(jiǎn)單的處理這些不同類(lèi)型數(shù)據(jù)的方法。逐個(gè)進(jìn)行單樣本分析幾乎不可能。

我們對(duì)此數(shù)據(jù)庫(kù)的構(gòu)成進(jìn)行分析，如表2所示，第2列為檢測(cè)項(xiàng)目名稱(chēng)，第3列為檢測(cè)項(xiàng)目所屬大類(lèi)。例如“甲苯噻嗪”為要檢測(cè)的具體獸藥名稱(chēng)，而“甲苯噻嗪”所屬的大類(lèi)為“獸藥殘留類(lèi)”。表2中表長(zhǎng)為1291，，即質(zhì)監(jiān)系統(tǒng)當(dāng)前對(duì)食品安全的檢測(cè)項(xiàng)目總共有1291種。

表2原始數(shù)據(jù)檢測(cè)項(xiàng)目名稱(chēng)與所屬種類(lèi)Table2Initialinspectitemsanditscategory

編號(hào)檢測(cè)項(xiàng)檢測(cè)項(xiàng)所屬種類(lèi)1苯甲酸食品添加劑10甲基汞金屬100銀金屬1000乙酰丙嗪獸藥殘留1001氯丙嗪獸藥殘留1002氟哌啶醇獸藥殘留1003丙酰二甲氨基丙吩噻嗪

獸藥殘留1004咔唑心安獸藥殘留1005阿扎哌醇獸藥殘留1006阿扎哌隆獸藥殘留1007甲苯噻嗪獸藥殘留1008癸氧喹酯獸藥殘留1009癸氧喹酯獸藥殘留101氯仿化學(xué)污染物1010

去殼不凈

品質(zhì)指標(biāo)

表2中這1291種檢測(cè)項(xiàng)目又劃分成16個(gè)大類(lèi)（用SQL生成語(yǔ)句：SELECTDetectedItemClassAS["檢測(cè)大類(lèi)"]，count(DetectedItemClass)AS["子類(lèi)數(shù)量"]FROMXiangMuJianCeLeiBieGROUPBYDetectedItemClass）可得到如表3所示有關(guān)各個(gè)大類(lèi)下面檢測(cè)項(xiàng)目的個(gè)數(shù)，由表3可看出，1291種檢測(cè)項(xiàng)分為16個(gè)大類(lèi)，其中以品質(zhì)指標(biāo)、食品添加劑、獸藥殘留為最多，分別是465、222、139種。

表3原始數(shù)據(jù)檢測(cè)項(xiàng)目的大類(lèi)及所包括的子類(lèi)數(shù)Table3Amountofmaincategoriesandsub-category

檢測(cè)大類(lèi)子類(lèi)數(shù)量標(biāo)簽48非食品原料26感官32化學(xué)污染物77寄生蟲(chóng)感染4金屬30農(nóng)藥殘留91品質(zhì)指標(biāo)465其他7食品成分93食品添加劑222獸藥殘留139微生物污染22異物8真菌毒素9致病菌

以上是從檢測(cè)內(nèi)容的角度進(jìn)行劃分，另一方面，對(duì)檢測(cè)對(duì)象也就是不同種類(lèi)的食品角度同樣存在1個(gè)劃分方法，主要做法是：將中國(guó)所有需要檢測(cè)的食品劃分成糧食、調(diào)味品、乳制品、肉類(lèi)等共28大類(lèi)食品，每1個(gè)子類(lèi)下又進(jìn)行第2次分類(lèi)，如調(diào)味品分成醬油、食醋、食用鹽、味精、醬、調(diào)味料酒、香辛料、復(fù)合調(diào)味料等調(diào)味成品和調(diào)味料、調(diào)味油等。

擬采取的主要數(shù)據(jù)預(yù)處理：上述樣本中有許多項(xiàng)目是具有質(zhì)量特征的，如標(biāo)簽檢驗(yàn)、品質(zhì)指標(biāo)，這些與食品安全有一定的關(guān)系，一般來(lái)說(shuō)標(biāo)簽項(xiàng)目不全、品質(zhì)不達(dá)標(biāo)的食品往往容易存在安全問(wèn)題，但其更多偏重的是口感、色澤、形狀等食品感官質(zhì)量，與食品安全性關(guān)系并不密切。因此有必要從偏重安全的角度對(duì)數(shù)據(jù)進(jìn)行一定的簡(jiǎn)化。

應(yīng)當(dāng)將那些偏重感官質(zhì)量的指標(biāo)去除，檢測(cè)項(xiàng)目太多就有可能分散注意力忽視主要問(wèn)題。全國(guó)或省市級(jí)食品安全問(wèn)題的最直接表現(xiàn)來(lái)自于化學(xué)污染、農(nóng)藥殘留、獸藥殘留、重金屬超標(biāo)、致病菌超標(biāo)等。因此，將這5大類(lèi)最主要的安全檢測(cè)類(lèi)作為第一級(jí)指標(biāo)，然后選取每一類(lèi)中最有代表性的檢測(cè)項(xiàng)目作為二級(jí)指標(biāo)構(gòu)建食品安全預(yù)警用數(shù)據(jù)項(xiàng)，將數(shù)據(jù)庫(kù)中其他檢測(cè)項(xiàng)目的檢測(cè)記錄予以忽略。這樣能夠突出重點(diǎn)，也能使問(wèn)題的分析大大簡(jiǎn)化，所構(gòu)建的檢測(cè)項(xiàng)目結(jié)構(gòu)具體請(qǐng)見(jiàn)數(shù)據(jù)庫(kù)db1.mdb中表ANNItemFrame。

在新的檢測(cè)結(jié)構(gòu)ANNItemFrame之上形成新的數(shù)據(jù)表test0327，所用SQL語(yǔ)句如下：

SELECTdataTotalToLi.樣品識(shí)別編號(hào)，dataTotalToLi.檢驗(yàn)報(bào)告編號(hào)，dataTotalToLi.抽樣時(shí)間，dataTotalToLi.產(chǎn)品類(lèi)別，dataTotalToLi.產(chǎn)品子類(lèi)，dataTotalToLi.產(chǎn)品名稱(chēng)，dataTotalToLi.檢測(cè)項(xiàng)目名稱(chēng)，dataTotalToLi.實(shí)際檢測(cè)值，dataTotalToLi.標(biāo)準(zhǔn)限量值，dataTotalToLi.檢驗(yàn)結(jié)果判定，dataTotalToLi.檢驗(yàn)項(xiàng)目類(lèi)型，dataTotalToLi.不合格項(xiàng)目屬性，dataTotalToLi.檢驗(yàn)日期，dataTotalToLi.檢驗(yàn)單位，dataTotalToLi.樣品檢測(cè)結(jié)果INTOtest0327

FROMdataTotalToLiINNERJOINANNItemFrameONdataTotalToLi.檢測(cè)項(xiàng)目名稱(chēng)=ANNItemFrame.DetectedItem;

然后，將表test0327以月為單位劃分成月度訓(xùn)練樣本根據(jù)每個(gè)記錄的檢驗(yàn)時(shí)間），也就是在數(shù)據(jù)記錄表test0327中將這些記錄讀到12個(gè)新表中（testData1-12），在ACCESS數(shù)據(jù)庫(kù)中可用自帶的編程工具VBA（visualbasicforapplication）實(shí)現(xiàn)：

Subdata12month()Fori=1To12

DimstDocNameAsString

stDocName="SELECT樣品識(shí)別編號(hào)，抽樣時(shí)

間，檢測(cè)項(xiàng)目名稱(chēng)，實(shí)際檢測(cè)值，標(biāo)準(zhǔn)限量值，檢驗(yàn)結(jié)果判定，檢驗(yàn)項(xiàng)目類(lèi)型INTOtestData"+CStr(i)+"FROMtest0327WHEREtest0327.抽樣時(shí)間like'2007-"+CStr(i)+"-*'"

DoCmd.RunSQL(stDocName)NextiEnd

（

224農(nóng)業(yè)工程學(xué)報(bào)2010年

EndSub

由劃分后的月度數(shù)據(jù)樣本記錄可看到每個(gè)月檢測(cè)記錄個(gè)數(shù)并不相同，這說(shuō)明每個(gè)月檢測(cè)的種類(lèi)和數(shù)量不完全相同。而且從2007年1月到6月沒(méi)有檢測(cè)數(shù)據(jù)，說(shuō)明此時(shí)系統(tǒng)可能還沒(méi)有完全進(jìn)入正規(guī)化、常態(tài)化，在理想狀態(tài)下，如果每個(gè)月的檢測(cè)種類(lèi)相同、上報(bào)準(zhǔn)確，那么在按同樣指標(biāo)進(jìn)行數(shù)據(jù)記錄篩選時(shí)，所得各個(gè)月的記錄個(gè)數(shù)應(yīng)是相同的。這將隨著檢測(cè)、報(bào)送工作的規(guī)范化、標(biāo)準(zhǔn)化，數(shù)據(jù)樣本會(huì)更加完善，而且積累時(shí)間越久，數(shù)據(jù)樣本越豐富，樣本所能承載的知識(shí)規(guī)律就會(huì)越多，則在此基礎(chǔ)之上的ANN網(wǎng)絡(luò)就能越多地表現(xiàn)食品安全預(yù)警本質(zhì)規(guī)律。

1.2問(wèn)題的抽象與模型建立

ANN是在生物神經(jīng)元研究基礎(chǔ)上，將人腦處理信息的機(jī)制用簡(jiǎn)化的輸入、傳遞函數(shù)、閾值等組合模擬，其中生物神經(jīng)元的樹(shù)突、軸突、細(xì)胞核在ANN中分別以輸入向量、累加器輸出、傳遞函數(shù)等表示。其中BP神經(jīng)網(wǎng)絡(luò)在訓(xùn)練中將誤差反向作用于神經(jīng)元的輸入權(quán)重與閾值設(shè)定，通過(guò)權(quán)值與閾值的不斷修正使實(shí)際輸出較好的接近期望值，這里我們采用BP網(wǎng)。為利于后續(xù)MATLAB實(shí)現(xiàn)，有必要清楚地列出模型變量與關(guān)系。我們?cè)谖墨I(xiàn)[16]相關(guān)理論基礎(chǔ)上，將包含1個(gè)輸入層、2個(gè)隱層、1個(gè)輸出層的3層BP神經(jīng)網(wǎng)絡(luò)模型表示如圖1。其中：

由S3個(gè)神經(jīng)元輸出，是神經(jīng)網(wǎng)絡(luò)的輸出值，在初始訓(xùn)練時(shí)又當(dāng)作期望值。

中間2個(gè)隱層分別有S1、S2個(gè)神經(jīng)元

?11?f1(?w1,l?pl?b1)

l?1k

1??f(?w12,l?pl?b2)12

l?1k

??f(?w1s1,l?pl?bs1)1s1

l?1

11T

令?1表示第1層輸出值，則?1?(?1?2??1s1)

第2層由S2個(gè)神經(jīng)元組成

212?12?f2(?w1,l??l?b1)

l?1s1

212??f(?w2,l??l?b2)22

l?1s1

??f(?ws22,l??l1?bs22)

2s2

l?1

令?2表示第2層輸出值，則?2?(?12?2??s22)T

第3層即輸出層由S3個(gè)神經(jīng)元組成

323??f(?w1,l??l?b1)31

l?1s2

323

??f(?w2,l??l?b2)32

l?1s2

p?(p1p2p3?pk)T是由k個(gè)標(biāo)量組成的列向量，為

神經(jīng)網(wǎng)絡(luò)的輸入值。w為輸入值的權(quán)重，例如w1s1,k表示pk輸入到第1層第s1個(gè)神經(jīng)元時(shí)的權(quán)重。b是閾值，例如b表示第2層第2個(gè)神經(jīng)元的閾值。n是神經(jīng)元內(nèi)由累加器到傳遞函數(shù)的輸入，如n

2表示第

??f(?ws33,l??l2?bs33)

3s3

l?1

令?3表示第3層輸出值，則?3?

(?13?2??s33)T

1層第2個(gè)神經(jīng)

元內(nèi)部的累加器輸出到傳遞函數(shù)的數(shù)值。

?3?(?13?2??s33)是由S3個(gè)標(biāo)量組成的列向量，

圖1輸入層、兩個(gè)隱層、輸出層的3層BP神經(jīng)網(wǎng)絡(luò)模型

Fig.1ThreelayersBPANNmodel

2.1

BP神經(jīng)網(wǎng)絡(luò)的MATLAB設(shè)計(jì)與實(shí)現(xiàn)

參數(shù)與期望值

BP網(wǎng)絡(luò)要求傳遞函數(shù)全部可微，現(xiàn)有可微傳遞函數(shù)主要有Purelin、logsig、tansig3種，為了在輸出層能夠

得到0到1間概率期望值，我們?cè)谳敵鰧舆x擇logsig函數(shù)，因?yàn)檩斎胱兞縋的維度167還是較大，為了能夠較快得到收斂在第1、2層選擇tansig函數(shù)。

神經(jīng)網(wǎng)絡(luò)的輸出，要能夠區(qū)分不同種類(lèi)食品安全狀態(tài)，數(shù)據(jù)樣本以周為時(shí)間單位上報(bào)每個(gè)月內(nèi)有4次，因

第1期章德賓等：基于監(jiān)測(cè)數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型225

此在神經(jīng)網(wǎng)絡(luò)中可以月度為單位。這樣將表“dataTotalToLi”的12個(gè)月數(shù)據(jù)按每半個(gè)月數(shù)據(jù)作為樣本分成24個(gè)輸入樣本。從中選擇10個(gè)樣本作為訓(xùn)練，1個(gè)作為驗(yàn)證。

采用2.1節(jié)同樣的符號(hào)將網(wǎng)絡(luò)表示為：P=(data8(1:130)data8(131:260)data9(1:130)data9(131:260)data10(1:130)data10(131:260)data11(1:130)data11(131:260)data12(1:130)data12(131:260))

α3=（化學(xué)污染、農(nóng)藥殘留、獸藥殘留、重金屬超標(biāo)、致病菌超標(biāo)）的每月評(píng)價(jià)結(jié)論

以列序?yàn)橹鲗?duì)10個(gè)樣本的期望評(píng)價(jià)值如表4所示。因?yàn)檫@些樣本都是已經(jīng)發(fā)生過(guò)的“歷史”，我們對(duì)于“歷史”是看得見(jiàn)的，而且能夠評(píng)價(jià)歷史。例如假設(shè)現(xiàn)在時(shí)間是10月，那么結(jié)合8月的統(tǒng)計(jì)數(shù)據(jù)和8月當(dāng)月發(fā)生的事件，專(zhuān)家能夠就其中1個(gè)維度，如“重金屬超標(biāo)”維度給出打分。表4就是用這種方法對(duì)于已經(jīng)過(guò)去的“歷史”根據(jù)專(zhuān)家意見(jiàn)結(jié)合國(guó)家的各種公報(bào)、公開(kāi)食品安全事件、報(bào)道等，分5個(gè)維度進(jìn)行評(píng)價(jià)得到。

表4訓(xùn)練樣本的期望評(píng)價(jià)值

Table4Expectedvaluesoftrainingsamples

期望評(píng)價(jià)編號(hào)

指標(biāo)

2345678910化學(xué)污染0.20.90.80.80.20.30.50.80.70.2農(nóng)藥殘留

0.7

0.80.90.70.30.650.80.90.50.5獸藥殘留0.650.80.10.250.80.770.50.60.250.8重金屬0.850.30.70.30.70.850.30.70.30.9致病菌

0.8

0.2

0.8

0.9

0.85

0.35

0.7

0.3

0.7

2.2

MATLAB實(shí)現(xiàn)與驗(yàn)證

MATLAB6.0中帶有神經(jīng)網(wǎng)絡(luò)工具箱，可通過(guò)其實(shí)現(xiàn)

BP神經(jīng)網(wǎng)絡(luò)模型。在上述所建立的神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)

上，我們實(shí)現(xiàn)了相關(guān)程序并用已訓(xùn)練好的網(wǎng)絡(luò)來(lái)對(duì)2008

年1月數(shù)據(jù)進(jìn)行預(yù)測(cè)以檢驗(yàn)?zāi)Ｐ偷挠行�，將�?shù)據(jù)導(dǎo)入訓(xùn)練好的模型，可得到5個(gè)維度預(yù)測(cè)值為：

Y=0.41260.00130.49210.01000.7684對(duì)照α3

=（化學(xué)污染、農(nóng)藥殘留、獸藥殘留、重金屬超標(biāo)、致病菌超標(biāo)）的5個(gè)維度分析可知：在未來(lái)下一周期內(nèi)，致病菌超標(biāo)問(wèn)題將會(huì)突出，同時(shí)獸藥殘留也存在一些問(wèn)題，而其他主要指標(biāo)類(lèi)農(nóng)藥和重金屬則情況較好。這些預(yù)測(cè)結(jié)論與我們根據(jù)下一周期已有數(shù)據(jù)樣本分析所得食品安全狀態(tài)是一致的，說(shuō)明基于ANN的食品安全預(yù)測(cè)預(yù)警方法是有效的。

當(dāng)然，上述方法與結(jié)論仍存在一些值得討論的地方：食品安全監(jiān)測(cè)數(shù)據(jù)是很不完備的。體現(xiàn)為月度監(jiān)測(cè)數(shù)據(jù)在檢測(cè)項(xiàng)、檢測(cè)地、檢測(cè)量等方面不完全統(tǒng)一，有些月份數(shù)據(jù)缺失。無(wú)論采用何種方法，只有高質(zhì)量的原始數(shù)據(jù)才能得到高質(zhì)量的分析結(jié)論。我們所用分析數(shù)據(jù)的原

始錄入存在大量不適應(yīng)系統(tǒng)處理的問(wèn)題，這樣使我們不能確認(rèn)是否數(shù)據(jù)中存在重復(fù)，數(shù)據(jù)錄入格式不統(tǒng)一，有的計(jì)量單位也不統(tǒng)一，在一定程度上影響了最終的評(píng)價(jià)效果。而此問(wèn)題的根本在于要建立一個(gè)規(guī)范化的數(shù)據(jù)庫(kù)，并以此庫(kù)為基礎(chǔ)進(jìn)行數(shù)據(jù)收集。

總之，隨著安全監(jiān)測(cè)數(shù)據(jù)完備性的提高、更高質(zhì)量樣本的獲得，結(jié)論將更加完善有效。但現(xiàn)有數(shù)據(jù)、預(yù)測(cè)過(guò)程已經(jīng)能夠說(shuō)明基于BP神經(jīng)網(wǎng)絡(luò)的食品預(yù)警方法是可行和有效的，本課題研究主要目的也在于從方法上探索有效處理實(shí)際檢測(cè)數(shù)據(jù)的途徑。

3結(jié)論

由于通過(guò)建立BP神經(jīng)網(wǎng)絡(luò)模型對(duì)歷史數(shù)據(jù)進(jìn)行訓(xùn)練，能夠在系統(tǒng)內(nèi)部規(guī)律未知的情況下，通過(guò)幾個(gè)主要評(píng)價(jià)維度得到有關(guān)系統(tǒng)的預(yù)測(cè)結(jié)論。本文通過(guò)對(duì)食品安全監(jiān)測(cè)數(shù)據(jù)分析，選擇其中與食品安全最為密切的167種檢測(cè)項(xiàng)目并劃分?jǐn)?shù)據(jù)樣本，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型，并進(jìn)行了初步應(yīng)用驗(yàn)證。研究表明，基于BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警方法能夠在實(shí)際訓(xùn)練數(shù)據(jù)樣本基礎(chǔ)上進(jìn)行有效預(yù)測(cè)，是一種可行的食品安全分析途徑。

[參

考

文

獻(xiàn)]

[1]樊紅平，牟少飛，葉志華．美國(guó)農(nóng)產(chǎn)品質(zhì)量安全認(rèn)證體系及對(duì)中國(guó)的啟示[J]．世界農(nóng)業(yè)，2007，(9)：39－42．[2]

JevsnikM,HlebeeV,RasporP.Consumer’sawarenessoffoodsafetyfromshoppingtoeating[J].FoodControl,2008,19(8):737－745.

[3]

BanatiD.TheEUandcandidatecountries:Howtocopewithfoodsafetypolices[J].FoodControl,2008,14(2):89－93.[4]

BerruetaLA,Alonso-SalcesRM,HebergerK.Supervisedpatternrecognitioninfoodanalysis[J].JournalofChromatographyA,2007,1158(1/2):196－214.

[5]

WangZG,MaoYN,GaleF.Chineseconsumerdemandforfoodsafetyattributesinmilkproducts[J].FoodPolicy,2008,33(1):27－36．

[6]

TodtO,MunozE,PlazaM.Foodsafetygovernanceandsociallearning:TheSpanishexperience[J].FoodControl,2007,18(7):834－841．

[7]李聰，逸民．食品安全監(jiān)測(cè)與預(yù)警系統(tǒng)[M]．北京：化學(xué)工業(yè)出版社，2006．

[8]

章德賓，胡斌，張金�。髽I(yè)員工-管理者互動(dòng)行為的定性模擬實(shí)現(xiàn)[J]．華中科技大學(xué)學(xué)報(bào)自科版，2006，34(8)：118－121．

ZhangDebin,HuBin,ZhangJinlong.Employees-managersinteractionmodelanditsqualitativesimulation[J].JournalofHuazhongUnivofSci&Tech:NatureScienceEdition,2006,34(8):118－121.(inChinesewithEnglishabstract)

[9]

GoniSM,OddoneS,SeguraJA.Predictionoffoodsfreezingandthawingtimes:Artificialneuralnetworksandgeneticalgorithmapproach[J].JournalofFoodEngineering,2008,84(1):164－178．

[10]李小昱，汪小芳，王為，等．基于機(jī)械特性BP神經(jīng)網(wǎng)絡(luò)

的蘋(píng)果貯藏品質(zhì)預(yù)測(cè)[J]．農(nóng)業(yè)工程學(xué)報(bào)，2007，23(5)：150

三億文庫(kù)3y.uu456.com包含各類(lèi)專(zhuān)業(yè)文獻(xiàn)、文學(xué)作品欣賞、生活休閑娛樂(lè)、高等教育、幼兒教育、小學(xué)教育、中學(xué)教育、外語(yǔ)學(xué)習(xí)資料、各類(lèi)資格考試、5數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型34等內(nèi)容。

下載地址：5數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型34.Doc

　　【】

天堂国产午夜亚洲专区-少妇人妻综合久久蜜臀-国产成人户外露出视频在线-国产91传媒一区二区三区

5數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型34