一种食品安全风险的动态分层预警建模方法
【专利摘要】本发明公布了一种食品安全风险的动态分层预警建模方法，基于树形结构和层次分析，将食品安全关键因子关联关系、预测条件、预测指标作为因子节点的属性，进行树形关联建模，创建食品安全风险的分层预警模型；包括：确定食品安全风险预警的指标体系；建立预警模型的树形结构；设置该层节点包含的食品安全风险预警指标、计算公式、预警条件和预警模式，建立食品安全风险的分层预警模型；得到节点的预警预测状态值。本发明技术方案用于食品安全风险的动态分层预警，能够有效利用资源，降低工作成本，节约开支，提高食品安全风险预测能力、重大公共安全事件的决策能力和防御能力。
【专利说明】
一种食品安全风险的动态分层预警建模方法
技术领域
[0001]本发明属于知识工程和人工智能技术领域，涉及公共安全事件协作决策方法，尤其涉及一种食品安全风险的动态分层预警建模方法。
【背景技术】
[0002]目前，我国食品质量安全总体形式不容乐观，食物中毒和食源性疾病仍然是我国的食品安全的首要问题，重大食品安全事件时有发生。鉴于当前我国食品质量安全面临的严峻形式，我国的加工农产品质量安全管理必须从目前的“市场抽检、媒体曝光、事后打击”的事后管理模式，尽快转变为“全程控制、产品追溯、诚信保障、风险评价、危害预警和应急响应”的事前管理模式。
[0003]数据时代的到来，为食品安全评估的决策支持行为带来了新的冲击与挑战。对食品安全进行预警的现有方法主要包括基于层次分析的预警方法、基于模糊数学的预警方法、基于Delphi的预警方法、基于神经网络的预警方法和基于时间序列的趋势预测。基于上述预警预测方法可以进行相应的食品安全分析，但是，这些预警方法目前还只是在理论化和形式化方面给出了预警的计算公式和方法，而缺乏具体的实施方法，且不支持用户根据不同的应用场景动态建立预警模型进而针对食品安全风险进行预测预警。目前在食品安全领域，尚缺乏针对预警的建模方法，实际应用中大都是针对单一事件进行预警，无法直接应用于决策支持系统。
【发明内容】
[0004]为了克服上述现有技术的不足，本发明提供一种食品安全风险的动态分层预警建模方法，基于层次分析和树形结构，采用知识推理方法，将所有关键因子都看成因子节点，将所有关联关系、预测条件、预测指标作为节点的属性，进行树形关联建模，创建食品安全风险的分层预警模型，用于食品安全风险的动态分层预警。
[0005]本发明的原理是:本发明针对食品安全风险的动态分层预警应用，按照分层，将各指标按低层级预警往高层级预警进行树型排列，建立动态多层预警模型，对模型节点对象进行描述定义。采用多叉树结构，赋予树结构的各节点具体的结构和定义，通过各节点间的连接进行层次结构定义，各节点可以自由定义，多叉树的具体形态可以根据具体场景进行设定建模，采用预测引擎对整个树形结构模型进行驱动，实现分层预警。
[0006]本发明提供的技术方案是:
[0007]—种食品安全风险的动态分层预警建模方法，基于树形结构和层次分析，将食品安全风险关键因子视为树形结构的因子节点，将关键因子关联关系、预测条件、预测指标作为因子节点的属性，进行树形关联建模，创建食品安全风险的分层预警模型，用于食品安全风险的动态分层预警;包括如下步骤:
[0008]I)确定食品安全风险预警的指标体系；
[0009]2)建立预警模型的树形结构，按地域分层设定树形结构的节点和子节点，地域分层与树形结构分层相对应；
[0010]3)根据步骤I)所述食品安全风险预警的指标体系，针对树形结构的每一层，设置该层节点包含的食品安全风险预警指标、计算公式、预警条件和预警模式，建立食品安全风险的分层预警模型；
[0011]4)根据步骤3)所述食品安全风险的分层预警模型，得到节点的预警预测状态值；再根据预警预测状态值区分地显示出每个节点的预警预测状态，由此完成食品安全风险的动态分层预警。
[0012]针对上述食品安全风险的动态分层预警建模方法，进一步地，步骤I)所述食品安全风险预警的指标体系具体根据食源性疾病监测报告系统和食源性疾病爆发系统的数据，进行指标体系初选，选择病原学检测中的霍乱弧菌检验病例数、志贺菌检验病例数、轮状病毒检验病例数和肠道疾病总病例数，作为所述食品安全风险预警的指标体系。
[0013]针对上述食品安全风险的动态分层预警建模方法，进一步地，步骤2)所述树形结构为三层结构，树形结构的第一层为县，每个县为一个节点；第二层为市，每个市为一个节点；树形结构的第三层为省，只有一个节点，为树形结构的根节点；第二层为第三层的子节点;第一层是叶子节点，为第二层的子节点。
[0014]针对上述食品安全风险的动态分层预警建模方法，进一步地，步骤2)所述每层节点的结构定义为:节点=(指标，公式，预警条件、预警模式)。
[0015]针对上述食品安全风险的动态分层预警建模方法，进一步地，步骤3)所述建立食品安全风险的分层预警模型，设置每层节点具体包括如下步骤:
[0016]31)根据步骤I)所述食品安全风险预警的指标体系设定所述指标;所述指标代表该节点的食品安全因子;所述指标为一个四元组(指标类型，初始值，单位，计算值)；
[0017]32)设定参数变量，所述参数变量的取值为所述指标的值，或为根据所述设定的公式对指标进一步计算得到的结果；
[0018]33)根据所述参数变量设定所述预警条件;所述预警条件为一个六元组(优先级，状态，状态描述，状态走向，子条件，子模式)；其中所述子条件为一个三元组(所属条件，约束关系，状态描述)；
[0019]34)根据所述预警条件设置该层的预警模式；
[0020]35)存储建立好的模型。
[0021]针对上述食品安全风险的动态分层预警建模方法，更进一步地，设定所述指标包括:霍乱弧菌检验病例数、志贺菌检验病例数、轮状病毒检验病例数和肠道疾病总病例数；
[0022]再通过设定的公式分别计算得到各细菌病例数除以疾病总病例数的比值和所有细菌病例数除以疾病总病例数的比值；
[0023]之后设定两个参数变量为countl和count2，所述countl取值根据各细菌病例数占疾病总病例数的比例得到;所述count2取值根据所有细菌病例数占疾病总病例数的比例得到；
[0024]最后根据所述countl取值和count2取值，设定预警条件，得到预警模式。
[0025]针对上述食品安全风险的动态分层预警建模方法，进一步地，步骤4)所述进行食品安全风险的动态分层预警具体包括如下步骤:
[0026]41)初始化所述创建得到的食品安全风险的分层预警模型对象，内存加载模型指标对象；
[0027]42)输入食品安全风险数据流格式数据，将格式数据与节点对应的指标进行匹配，给节点的指标属性赋值；
[0028]43)对所述输入的数据，根据节点中相应的公式进行计算，得到计算结果；
[0029]44)根据步骤43)所述计算结果，对每个节点进行条件判断，得到节点的预警预测状态值，根据节点的预警预测状态值将节点分为两类:分别为有风险节点或无风险节点;再通过设置不同颜色进行分层预警。
[0030]针对上述食品安全风险的动态分层预警建模方法，更进一步地，步骤44)用红色表示风险节点，绿色表示无风险节点。
[0031]与现有技术相比，本发明的有益效果是:
[0032]本发明提供一种食品安全风险的动态分层预警建模方法，基于层次分析和树形结构，采用知识推理技术，将所有关键因子都看成因子节点，将所有关联关系、预测指标作为节点的属性，进行树形关联建模，创建得到分层预警模型。
[0033]本发明提供了针对食品安全的基于分层分析、知识推理的动态预警模型建模的方法，能够提高食品安全风险预测能力、重大公共安全事件的决策能力和防御能力，降低了工作成本，节约开支，有效利用各种资源，使安全各部门信息和知识得到有效融合和分析，主要效果包含以下几点:
[0034](— )通过引入树和层次分析，实现了食品安全风险预警模型动态建模方法，符合用户根据不同情景进行定制化建模的要求，可以适应不同的情景，并形成情景集，满足实际具体的需要；
[0035](二)根据因子节点灵活进行分层预警建模，更好的体现了不同的食品安全状态预测，将食品安全状态实时数据按照时间序列进行模型输入，实现对食品安全风险的实时风险预测；
[0036](三)引入知识推理方法，利用知识推理模型，进行自动化的智能决策，为食品安全评估工作人员提供更加智能、精细、多样的决策支持服务，对于提升食品安全风险预警水平具有重要意义，为提升食品安全风险应对的自动化与智能化水平提供了一条可行、先进和有效的新途径。
[0037](四)采用知识工程技术对系统进行设计，可以在知识和信息的收集、处理、标识存储等过程中解决语义异构的问题，可以使工作人员对相关概念有更加深刻、正确的理解，彻底改变以往系统中存在的模糊语义。
[0038]总之，基于层次分析的食品安全多层预警方法可以对风险评估中心的数据进行有效利用，有助于形成良好的知识沉淀，同时对于风险预警推理预测研究和公共安全事件防御决策等起到重要的作用。随着方法体系的持续使用，本发明技术方案能使得体系中每个工作人员在工作和学习当中增加知识和技能，使信息和知识可以在系统所有部门自由流通，通过知识的创新和重组，使知识进一步增值。
【附图说明】
[0039]图1是本发明提供的动态分层预警建模方法的流程框图。
[0040]图2是本发明建立的预警模型树形结构中节点对象的属性定义图。
【具体实施方式】
[0041]下面结合附图，通过实施例进一步描述本发明，但不以任何方式限制本发明的范围。
[0042]本发明提供一种食品安全风险的动态分层预警建模方法，基于层次分析和树形结构，采用知识推理方法，将所有关键因子都看成因子节点，将所有关联条件、预测指标作为节点的属性，进行树形关联建模，创建食品安全风险的分层预警模型，用于食品安全风险的动态建模分层预警。
[0043]层次分析方法是一种主要针对一些较为复杂、较为模糊的问题做出决策的简易方法，是在决策过程中对非定量事件做定量分析、对主观判断做客观分析的有效方法。它特别适用于一些难于完全定量分析的问题，清晰的层次结构是分解简化综合复杂问题的关键。
[0044]在进行食品安全领域问题的系统分析中，常常面临一个由相互关联的众多因素构成的复杂多变数据系统。层次分析为这类问题的决策和排序提供了一种简洁而实用的建模方法。应用层次分析决策问题时，首先需要将问题条理化、层次化，构造出一个有层次的结构模型(递阶性层次结构)。在这个模型下，复杂问题被分解为元素或因素的组成部分，这些元素又按其属性及关系形成若干层次，上一层次的元素作为准则对下一层次有关元素起支配作用。递阶性层次结构中层次可以分为三类:(I)最高层:这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果，因此最高层也称为目标层。(2)中间层:这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则，因此中间层也称为准则层。(3)最低层:这一层次包括了为实现目标可供选择的各类基本元素，因此最低层也称为基本元素层。
[0045]递阶层次结构中的层次数与问题的复杂程度及需要分析的详尽程度有关，一般层次数不受限制。采用层次分析，结合树形模型形式，进行食品安全风险预警模型建模，用户也可以对模型进行演化，通过设置的不同，实现风险预测和反向原因追溯。
[0046]知识推理是指模拟人类的思维方式，依据领域知识和规则对特定问题进行推理求解的一种机制。在食品安全领域中，根据食品安全知识库中的知识和规则做出与风险机制相对应的决策时，必然会用到知识推理。根据输入的实时数据，匹配建立的风险预测分级模型，匹配模型规则库中适用的一条或多条规则，并按照一定的推理控制策略，推理出问题的结论。
[0047]对于食品安全数据，进行分层预警主要有两类模型，一类是基于单个食品危害检测指标的食品安全预警模型，一类是基于多个食品危害物检测指标的食品安全预警模型。基于单个食品危害检测指标的食品危害快速识别和响应预警的关键是关于食品危害异常情况的定义。在确定该定义的基础上，再确定正常情况的阈值。当危害物的检测指标不符合正常情况的阈值时，产生预警。基于多个食品危害物检测指标的食品安全状态预警，是指对食品中多个危害物进行监测，将各个危害物的危害程度指数化，即由具体的检测数据计算其对应危害物的污染指数，再综合计算各类危害物的风险指数，最后得到食品安全状态评价。其核心是利用多个危害物监测值得出食品安全状态合理评价。
[0048]图1是本发明提供的动态分层预警建模方法的流程框图。以食源性疾病的肠道病原系列检测样品为例，根据在某省下辖的县市哨点医院采集的数据，采用本发明提供方法进行食品引起肠道疾病爆发风险多层预警树模型建模，具体步骤如下:
[0049]步骤1:根据食源性疾病监测报告系统、食源性疾病爆发系统的数据，进行指标体系初选，选择病原学检测中的霍乱弧菌检验病例数，志贺菌检验病例数，轮状病毒检验病例数，肠道疾病总病例数为指标体系；
[0050]步骤2:建立模型树形图，按地域设定模型节点，第一层为县，每个县为一个节点，第二层为市，每个市为一个节点，第三层为省，只有一个节点。即，第一层的每个节点为叶子节点，第二层为中间节点，第三层为根节点。同隶属于一个市的县节点为此市节点的子节点，所有的市节点为省节点的子节点。
[0051]步骤3:针对模型树形图，逐层设置每层中的各个节点对象的相应属性，得到各层中各节点的分层预警模式;节点对象的相应属性可根据具体的问题具体设定，本发明实施例中，节点对象的相应属性包括:包含的指标、公式、预警条件和预警模式;其中，节点对象的相应属性也可根据具体针对的食品安全问题来具体设定。预警模式可包括两种:一、节点存在安全风险，进行该分层相对应的分层预警;二、节点不存在安全风险，不用预警。
[0052]在本实施例中，第一层为县级分层。在第一层每一个节点中，设置包含的指标，包括霍乱弧菌检验病例数、志贺菌检验病例数、轮状病毒检验病例数和肠道疾病总病例数;公式为各细菌病例数(即霍乱弧菌检验病例数、志贺菌检验病例数、轮状病毒检验病例数和肠道疾病总病例数)除以疾病总病例数的比值，以及所有细菌病例数除以疾病总病例数的比值;在预警条件的设置中，定义两个变量count 1、count2; count I用来控制本层本节点的预警显示;Count2用来判断是否需要进行高层预警。其中，countl表示细菌病例数占疾病总病例数的比例大于10%的细菌种类数，例如，如果没有细菌病例数比值大于10%，则countl为0，如果霍乱弧菌检验病例数、志贺菌检验病例数、轮状病毒检验病例数比值任意一个超过10%，则count I为I，任意两个值超过10%，则(3011111:1为2，全部超过则(3011111:1为3;(30111^2根据所有细菌病例数占疾病总病例数的比例来取值，count2的取值具体是:当所有细菌病例数除以疾病总病例数的比值大于等于40%时，则count2为2;当所有细菌病例数除以疾病总病例数的比值小于40%且大于等于20%时，则Count2为I;否则为0;预警条件设定为:如果countl大于等于I，则存在县级肠道疾病爆发风险，进行县级预警;如果count2等于2，设置预警模式为走向下一层节点(即第二层节点、市级节点)，进行下一层预警计算；
[0053]图2是预警模型的树形结构中节点对象的定义图。如图所示，对于每个模型节点定义其结构为:节点=(指标，公式，预警条件、预警模式)；其中，指标=(指标类型，初始值，单位，计算值)，指标指的是此模型节点代表的食品安全因子;指标类型是对此因子的描述，初始值是此因子的初始赋值，可以为空;单位是此因子的数值单位;计算值用来存储在实际模型运行中此因子的结果值;公式指的是当此因子是根据实际监测值通过公式计算得到的值时相应的计算公式，如果此因子是实际监测的因子，则此项为空；预警条件=(优先级，状态，状态描述，状态走向，子条件，子模式)；子条件=(所属条件，约束关系，状态描述)；每一个节点可绑定多个条件，也可在节点上设置条件校验逻辑(“与”或者“或”)，若选“与”则该节点下面的同一级条件都取与并将结果作为节点的预测结果;若选“或”则该节点下面的同一级条件都取或并将结果作为节点的预测结果，节点下的每一个条件可以包含多个子条件，同样可以在节点下的第一级条件上设置其子条件校验逻辑(“与”或者“或”)，若选“与”则该条件下面的同一级子条件都取与并将结果作为父条件的预测结果;若选“或”则该条件下面的同一级子条件都取或并将结果作为父条件的预测结果。条件的优先级指的是对此条条件是先判断还是后判断;状态指的是对此节点预测的结果，符合要求则预测结果为true、不符合则为false;状态描述，指的是对状态结果的解释;状态走向，指的是根据预测结果，此节点指向的下一节点；所属条件，指的是描述子条件所属的父条件；约束关系，指对子条件的条件公式描述;状态描述，指对条件运行结果的解释。预警模式，指的是此节点处于预测计算中，或是没有进行预测计算。
[0054]第二层，同理，设置与第一层节点一样的指标、公式、规则和规则模式，不过，指标中的霍乱弧菌检验病例数、志贺菌检验病例数、轮状病毒检验病例数和肠道疾病总病例数，指的是全市的病例数，即，将第二层节点的子节点(第一层节点，即各县的病例数)相加，得到第二层节点所包含参数的取值。
[0055]本实施例中，第三层为树形结构的根，和步骤3、步骤4同样，设定指标、公式、预警条件和预警模式，但是，本层(第三层)是树形结构的根，所以，预警模式中不再设置下一层走向节点。
[0056]进行预测预警时，根据建立的食品安全风险的分层预警模型得到节点的预警结果，再区分地显示出每个节点的预警结果;具体包括:
[0057]41)初始化创建得到的预警树模型对象，内存加载模型指标对象；
[0058]42)从食源性疾病监测报告系统获取格式数据(如数据流格式数据)作为输入数据，将格式数据与节点对应的指标进行匹配，给节点的指标属性赋值；
[0059]输入数据根据不同的指标名匹配到不同的节点，具体按以下顺序将格式数据与树形结构节点对应的指标进行匹配:先树形结构的第一层的左边第一个节点到右边最后一个节点、再第二层的左边第一个节点到右边最后一个节点、最后第三层的节点这样的排列顺序，将数据流格式数据与节点对应的指标匹配，完成节点的指标数据匹配；
[0060]43):输入数据根据节点中相应的公式进行计算，得到计算结果；
[0061]44):根据上述计算结果，对每个节点进行条件判断，得到节点的预警预测状态值(有两个值，分别为有风险节点或无风险节点)，不同的值用不同的颜色显示，根据颜色的不同，进行分层预警；用红色表示风险节点，绿色表示无风险节点；当某层级节点变红，则表示该层级节点有食品安全风险。
[0062]需要注意的是，公布实施例的目的在于帮助进一步理解本发明，但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内，各种替换和修改都是可能的。因此，本发明不应局限于实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。
【主权项】
1.一种食品安全风险的动态分层预警建模方法，基于树形结构和层次分析，将食品安全风险关键因子视为树形结构的因子节点，将关键因子关联关系、预测条件、预测指标作为因子节点的属性，进行树形关联建模，创建食品安全风险的分层预警模型，用于食品安全风险的动态分层预警;包括如下步骤: 1)确定食品安全风险预警的指标体系； 2)建立预警模型的树形结构，按地域分层设定树形结构的节点和子节点，地域分层与树形结构分层相对应； 3)根据步骤I)所述食品安全风险预警的指标体系，针对树形结构的每一层，设置该层节点包含的食品安全风险预警指标、计算公式、预警条件和预警模式，建立食品安全风险的分层预警模型； 4)根据步骤3)所述食品安全风险的分层预警模型，得到节点的预警预测状态值;再根据预警预测状态值区分地显示出每个节点的预警预测状态，由此完成食品安全风险的动态分层预警。2.如权利要求1所述食品安全风险的动态分层预警建模方法，其特征是，步骤I)所述食品安全风险预警的指标体系具体根据食源性疾病监测报告系统和食源性疾病爆发系统的数据，进行指标体系初选，选择病原学检测中的霍乱弧菌检验病例数、志贺菌检验病例数、轮状病毒检验病例数和肠道疾病总病例数，作为所述食品安全风险预警的指标体系。3.如权利要求1所述食品安全风险的动态分层预警建模方法，其特征是，步骤2)所述树形结构为三层结构，树形结构的第一层为县，每个县为一个节点；第二层为市，每个市为一个节点;树形结构的第三层为省，只有一个节点，为树形结构的根节点；第二层为第三层的子节点;第一层是叶子节点，为第二层的子节点。4.如权利要求1所述食品安全风险的动态分层预警建模方法，其特征是，步骤2)所述每层节点的结构定义为:节点=(指标，公式，预警条件、预警模式)。5.如权利要求1所述食品安全风险的动态分层预警建模方法，其特征是，步骤3)所述建立食品安全风险的分层预警模型，设置每层节点具体包括如下步骤: 31)根据步骤I)所述食品安全风险预警的指标体系设定所述指标;所述指标代表该节点的食品安全因子;所述指标为一个四元组(指标类型，初始值，单位，计算值)； 32)设定参数变量，所述参数变量的取值为所述指标的值，或为根据所述设定的公式对指标进一步计算得到的结果； 33)根据所述参数变量设定所述预警条件;所述预警条件为一个六元组(优先级，状态，状态描述，状态走向，子条件，子模式)；其中所述子条件为一个三元组(所属条件，约束关系，状态描述)； 34)根据所述预警条件设置该层的预警模式； 35)存储建立好的模型。6.如权利要求5所述食品安全风险的动态分层预警建模方法，其特征是，设定所述指标包括:霍乱弧菌检验病例数、志贺菌检验病例数、轮状病毒检验病例数和肠道疾病总病例数； 首先，通过设定的公式分别计算得到各细菌病例数除以疾病总病例数的比值和所有细菌病例数除以疾病总病例数的比值； 之后，设定两个参数变量为countl和count2 ； countl用于表示本层本节点的预警状态；Count2用于表示是否需要进行高层预警;所述countl取值根据各细菌病例数占疾病总病例数的比例得到;所述Count2取值根据所有细菌病例数占疾病总病例数的比例得到； 最后，根据所述count I取值和count2取值，设定预警条件，得到预警模式。7.如权利要求6所述食品安全风险的动态分层预警建模方法，其特征是，所述参数变量countl等于细菌病例数占疾病总病例数的比例大于10%的细菌种类数；所述参数变量count2根据所有细菌病例数占疾病总病例数的比例来取值，当所有细菌病例数除以疾病总病例数的比值大于等于40%时，count2等于2;当所述countl大于等于I时，本层本节点的预警状态为有风险；当所述count2等于2时，预警模式为进行下一层预警计算。8.如权利要求1所述食品安全风险的动态分层预警建模方法，其特征是，步骤4)所述进行食品安全风险的动态分层预警具体包括如下步骤: 41)初始化所述创建得到的食品安全风险的分层预警模型对象，内存加载模型指标对象； 42)输入食品安全风险数据流格式数据，将格式数据与节点对应的指标进行匹配，给节点的指标属性赋值； 43)对所述输入的数据，根据节点中相应的公式进行计算，得到计算结果； 44)根据步骤43)所述计算结果，对每个节点进行条件判断，得到节点的预警预测状态值，根据节点的预警预测状态值将节点分为两类:分别为有风险节点或无风险节点;再通过设置不同颜色进行分层预警显示。9.如权利要求7所述食品安全风险的动态分层预警建模方法，其特征是，步骤44)用红色表示风险节点，用绿色表示无风险节点，由此实现分层预警显示。
【文档编号】G06Q10/06GK105976125SQ201610333405
【公开日】2016年9月28日
【申请日】2016年5月19日
【发明人】黄雨, 蒋慧, 李俊涛, 肖革新
【申请人】北京大学