一种基于大数据分析的食品安全风险预测方法
本发明涉及食品安全风险监测与数据分析,尤其涉及一种基于大数据分析的食品安全风险预测方法。
背景技术:
1、食品在生产、加工、仓储、运输及检测过程中会持续产生生产记录、加工记录、仓储记录、运输记录以及检测数据等多源数据;由于不同数据来源的采集时间、对象标识、数据格式以及风险指标表达方式存在差异,现有食品安全风险分析方法通常需要先对多源数据进行统一处理后再进行风险分析。
2、但现有技术仍存在以下问题:
3、1.不同来源针对同一食品对象形成的数据可能存在时间区间不一致、数据精度不同以及检测结果偏差等情况,直接进行标准化、平均或单一数据融合,容易造成不同对象数据之间的错误匹配,或者使少量但具有风险指示作用的异常数据被正常数据稀释,从而影响风险状态的准确识别。
4、2.现有方法通常基于历史风险数据进行分类或时间序列预测,当高风险样本数量较少时,难以利用有限的高风险历史数据形成具有连续工序关系的风险状态样本,同时对于已经预测出的风险状态,也难以进一步追溯其对应的风险来源及中间传导环节,导致预测结果与原始风险证据之间缺少连续对应关系。
技术实现思路
1、针对现有技术的不足,本发明提供了一种基于大数据分析的食品安全风险预测方法,以解决现有食品安全风险分析过程中多源异构数据容易发生错误匹配或风险异常被稀释,以及高风险样本不足时难以利用历史风险状态进行连续预测和风险来源追溯的问题。
2、为了实现上述目的,本发明采用了如下技术方案:
3、一种基于大数据分析的食品安全风险预测方法,包括以下步骤:
4、s1、获取食品生产、加工、仓储、运输及检测数据,按对象标识、事件时间、有效时间区间、风险指标、数据来源和原始值构建风险证据单元,并依据对象标识、时间区间及工序先后关系建立证据关联;
5、s2、根据风险指标首次偏离正常范围的时间和恢复稳定时间形成风险状态窗口,对同一风险状态窗口内的风险证据单元进行异构融合,当不同来源的同一风险指标超过冲突阈值时保留为冲突证据,并根据可追溯性、时间完整性和历史一致性筛选有效证据;
6、s3、根据风险状态窗口内风险证据单元的风险指标变化方向、发生先后关系、持续时间、证据来源状态及工序衔接关系形成风险状态关联特征关系,并利用所述风险状态关联特征关系从历史风险证据链中筛选稳定风险片段;
7、s4、针对高风险状态对应的样本不足情况,从所述稳定风险片段中选取具有相同风险状态类型及工序关系的片段,在保持风险状态、工序顺序和风险指标变化方向不变的条件下进行受约束组合,生成并筛选增强风险样本;
8、s5、将风险状态窗口作为风险状态节点,依据相邻风险状态之间的批次或流向衔接、发生先后及历史重复一致性建立风险传导关系并形成风险传导链,根据所述风险传导链预测后续风险状态及其预计发生时间区间;
9、s6、沿所述风险传导链逆向追踪预测风险状态对应的风险证据单元,输出风险来源、传导环节、预计风险发生时间区间、数据来源及原始风险证据。
10、相比于现有技术,本发明的有益效果:
11、1.本发明通过构建具有对象标识、时间区间、风险指标及数据来源的风险证据单元,并以风险状态窗口作为异构数据融合边界,使不同来源的数据首先在对象和时间关系上建立对应关系,再进行风险指标融合,减少不同对象数据错误匹配造成的风险判断偏差。
12、2.本发明在不同来源数据存在明显差异时保留冲突证据及其数据来源、事件时间和原始值,而不是通过简单平均方式消除异常数据,使具有风险指示作用的少量异常证据能够继续参与后续风险状态分析,从而减少异常风险信号被正常数据稀释的问题。
13、3.本发明根据风险状态类型、风险指标变化方向、工序顺序、持续时间以及证据来源组成筛选历史稳定风险片段,并在保持风险状态及工序关系不变的约束条件下形成增强风险样本,使高风险样本不足时仍能够利用具有连续风险状态关系的历史数据进行样本补充。
14、4.本发明将风险状态窗口进一步转换为风险状态节点,并通过批次、流向、工序衔接、时间先后及历史重复关系建立风险传导链,使当前风险状态能够与后续风险状态形成连续对应关系,从而实现对后续风险状态及预计发生时间区间的预测。
1.一种基于大数据分析的食品安全风险预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于大数据分析的食品安全风险预测方法,其特征在于,所述对象标识包括食品批次标识、生产批次标识、运输单号和检测样本编号中的一种或多种;所述事件时间表示对应数据产生或采集的时间,所述有效时间区间表示对应数据能够对食品安全状态形成表征作用的时间范围;当对象标识不同但存在批次流转、运输对应、生产与检测对应或相邻工序交接关系时,通过对应关系建立风险证据单元之间的间接关联。
3.根据权利要求1所述的一种基于大数据分析的食品安全风险预测方法,其特征在于,所述正常范围根据对应食品类别、生产工序及风险指标的历史正常数据确定,对于具有明确食品安全限值要求的风险指标,以相应食品安全标准规定的限值作为正常范围边界;
4.根据权利要求1所述的一种基于大数据分析的食品安全风险预测方法,其特征在于,所述异构融合包括:
5.根据权利要求4所述的一种基于大数据分析的食品安全风险预测方法,其特征在于,对所述风险证据单元按照对象可追溯程度、时间连续程度以及历史一致程度进行有效状态判断;
6.根据权利要求1所述的一种基于大数据分析的食品安全风险预测方法,其特征在于,所述稳定风险片段指在连续风险状态窗口内,风险状态类型保持一致、工序顺序保持一致且风险指标变化方向未发生反向变化的连续数据片段;
7.根据权利要求6所述的一种基于大数据分析的食品安全风险预测方法,其特征在于,对通过所述约束校验的增强风险样本,根据其与原始高风险样本在风险指标变化方向、风险状态持续时间及证据来源组成方面的一致程度进行筛选;筛选后的增强风险样本与原始高风险样本共同形成风险样本集合,并用于形成所述风险状态关联特征关系。
8.根据权利要求1所述的一种基于大数据分析的食品安全风险预测方法,其特征在于,所述风险传导链由按照发生时间排序的风险状态节点以及连接相邻风险状态节点的有效风险传导关系构成;
9.根据权利要求8所述的一种基于大数据分析的食品安全风险预测方法,其特征在于,所述预测条件包括时间间隔条件、批次或流向关联条件以及历史重复条件;
10.根据权利要求1所述的一种基于大数据分析的食品安全风险预测方法,其特征在于,所述逆向追踪包括由预测风险状态追踪对应的前一风险状态节点,并由所述前一风险状态节点追踪至对应风险证据链及原始风险证据单元;按照风险状态发生顺序形成风险预测证据链,并输出风险来源、风险传导环节、预计风险发生时间区间、对应数据来源以及原始风险值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com