CN101593343A - 无公害农产品的长期安全预警方法 - Google Patents
无公害农产品的长期安全预警方法 Download PDFInfo
- Publication number
- CN101593343A CN101593343A CNA2009101026366A CN200910102636A CN101593343A CN 101593343 A CN101593343 A CN 101593343A CN A2009101026366 A CNA2009101026366 A CN A2009101026366A CN 200910102636 A CN200910102636 A CN 200910102636A CN 101593343 A CN101593343 A CN 101593343A
- Authority
- CN
- China
- Prior art keywords
- product
- early warning
- index
- agricultural product
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种无公害农产品的长期安全预警方法,该方法是以无公害产品标准数据和产品实际理化测试数据为基础,首先构建影响无公害农产品综合指数的各指标的权重矩阵,然后通过农产品历史实测数据计算各年综合指数,最后利用时间序列法的二次指数平滑法输出综合指数折线图及预测公式,从而对未来农产品的综合指数及恶化速度进行预测预警。该方法筛选对农产品安全状况起着长期的、决定性作用的重要因素作为对象,从历史数据揭示产品安全状况随时间变化的规律,并延伸到未来,对未来做出预测。该方法可靠性和精确度较高,还可根据不同地区及产品类型选择研究指标生成预测模型,对于农产品安全的演化趋势、方向、速度预测预警,从而采取措施,消除警源。
Description
技术领域
本发明涉及无公害农产品,也涉及预警方法,进一步来说,涉及无公害农产品的安全预警方法。
背景技术
预警(英文为Early-Warning)可解释为:在灾害或灾难以及其他需要提防的危险发生之前,根据以往总结的规律或观测得到的可能性前兆,向相关部门发出紧急信号,报告危险情况,以避免危害在不知情或准备不足的情况下发生,从而最大程度地减低危害所造成损失的行为。
随着人民生活质量的提高,人们对于食品的要求越来越高,安全营养的无公害农产品已逐步成为人们追求的目标。农产品从普通农产品发展到各种无公害农产品必定成为现代农业发展的必然趋势,反映了人们对农产品消费的不同质量需求。发展无公害农业不仅符合农业生产的高产、优质发展方向,也是市场发展的必然要求。但是随着农业生产中农药施用量连年增长,其施用过程中由于飘移、流失,会对水体和土壤等农业环境造成严重污染,农用化肥大量使用和施用结构不合理等情况都严重影响了土壤品质,还有一些工业污染事件也会造成农业环境恶化,从而影响作物生长,影响农产品品质。因此在无公害农产品认证管理中必须在农产品质量发生恶化变质之前,能及早提出预告、报警,及时采取措施,加以有效抑制和整治,则有可能转变农产品质量演化方向,使农产品质量步入良性发展。目前国内外较多是对农业产品产量进行专业预测预警,例如中国科学院合肥物质科学研究院申请的专利CN101052147号“大田作物病虫害智能预警系统”、中国科学院生态环境研究中心申请的CN101059493号“一种水质在线生物安全预警方法”等,而对于对无公害农产品质量安全预警还未见到相关研究。
发明内容
本发明的目的是提供一种无公害农产品的长期安全预警方法,为无公害农产品的质量提供预警信号,避免农产品的公害危险。
为达到上述发明目的,发明人经过试验研究,提供的无公害农产品的长期安全预警方法是以无公害产品标准数据和产品实际理化测试数据为基础,首先构建影响无公害农产品综合指数的各指标的权重矩阵,然后通过农产品多年的历史实测数据计算农产品的各年综合指数,最后利用时间序列法的二次指数平滑法输出农产品的综合指数折线图及预测公式,从而得到预警模型,对未来农产品的综合指数及恶化速度进行预测预警。
上述无公害产品标准数据是国家绿色无公害食品标准的数据。
发明人是通过以下计算过程建立无公害绿色食品预警模型的:
1改进型AHP法构造判断矩阵
a.根据待测农产品特点以国家无公害食品标准为原则选取所测元素国家标准,从数据库相应表格中选取。
b.根据所选元素构造判断矩阵
AHP法的原理,在构造判断矩阵时,当因素个数较多时,采用1-9标度法,由于判断过程中存在复杂性和模糊性,较难一次得到满意(通过一致性检验)的判断矩阵。为此我们采用了层次分析法的改进法,设计一种三标度法,较易被专家和决策者接受。三标度法首先构造一个比较矩阵B=(bij)n×n,本文中bij的定义依据国家绿色无公害食品标准限量值的相对大小:
就算ri=∑bij(i=1,2.....n),即按行求和,再利用公式求出判断矩阵C=(Cij)n×n:
其中rmax=Max{ri},rmin=Min{ri},bm=rmax/rmin。求得判断矩阵;
2权重求解过程
用方根法求判断矩阵T的最大特征值λmax和权值ωi。方根法有以下四个步骤:
步骤一,T矩阵按行求积 即:
步骤二,求M的n次方跟:
步骤三,求M标准化处理权值:
采用该方法进行评价时,需要首先确定各元素的单因子污染指数,然后利用加权平均公式计算综合污染指数。具体公式如下:
其中Ci代表污染物实测值,Si代表污染物质量标准,根据国家无公害食品标准,得到的预警判定模型为:
农产品污染预警分级标准
3时间序列预测
时间序列预测法分为短期、中期和长期预测。根据对资料分析方法的不同,又可分为:简单移动平均数法、加权序时平均数法、趋势预测法、二次指数平滑法、季节性趋势预测法、自回归预测法、ARIMA模型以及市场寿命周期预测法等等。常用的时间序列是自回归预测法、季节分解指数法、ARIMA模型和二次平滑指数法四种。其中,二次平滑指数法对于预测有线性趋势变化的时间序列效果较好,比较适合本地区研究的时间序列预警模型。
指数平滑步骤:
首先做一次指数平滑
预测值=权数*真实值+(1-权数)*上一个预测值
其中选取使得误差平方均值最小的α预测出的数据作为二次指数平滑的基础数据。
误差平方=(真实值-预测值)*(真实值-预测值)
二次指数平滑法,即对一次指数平滑中最优的结果再做一次指数平滑
二次指数平滑法主要用于变参数线性趋势时间序列的预测。变参数线性趋势预测模型表达式为:
(2)式的预测模型与一般的线性趋势模型在于,式中at、bt是参数变量,随着时间自变量t的变化而变化,即直线在各时期的截距和斜率是可能不同的;T是从t期开始的预测期数。
运用二次指数平滑指数法求解(2)式可得参数变量的表达式,即
4环境恶化速度预警模型
针对此类问题对产品恶化的速度进行了预警,在没有人为采取环保行为的情况下,大概在多少年后,某地区会进入污染状态。预警模型如下:
其中,a为产品污染物积累的加速率,t为产品污染物积累年限,yn为第n年产品污染的综合污染指数,yn-t为第n-t年的产品污染综合污染指数。
v=v0+aT(2)
其中,v为T年后的综合污染量,v0为当前的综合污染量,T为预测年限。
将式(1)带入(2)中,求出T的方程为:
式(3)即为环境恶化速度的预警模型。
该方法利用时间序列法筛选对农产品安全状况起着长期的、决定性作用的重要因素作为研究对象,即通过时间序列的历史数据揭示农产品安全状况随时间变化的规律,将这种规律延伸到未来,对未来做出预测。该模型对资料要求比较单一,只需各指标本身的历史数据,并且可靠性和精确度较高,还可以根据不同地区不同农产品类型选择不同的研究指标生成适合的预测模型,可以对于全国不同地区进行农产品的安全的演化趋势、方向、速度预测预警,从而有针对性的采取措施,消除警源,不断输出安全优质的农产品,实现农业可持续发展,在实际情况中有着广泛的适用性。
具体实施方式
实施例:以稻米为例,进一步阐述本发明。计算过程如下:
1.根据待测产品产地特点以国家绿色无公害食品标准为原则选取所测元素
某地区所测Cd,Pb,杀螟硫磷,黄曲霉毒素B1,As五种物质在稻米中的含量,国家绿色无公害食品标准,如下表:单位mg/kg:
表1:国家绿色无公害食品标准
项目 | 稻米标准 |
镉 | 0.2 |
铅 | 0.2 |
杀螟硫磷 | 1 |
黄曲霉毒素B1 | 0.01 |
砷 | 0.15 |
2.构造判断矩阵
AHP法的原理,在构造判断矩阵时,当因素个数较多时,采用1-9标度法,由于判断过程中存在复杂性和模糊性,较难一次得到满意(通过一致性检验)的判断矩阵。为此采用层次分析法的改进法,设计一种三标度法,较易被专家和决策者接受。三标度法首先构造一个比较矩阵B=(bij)n×n,本文中bij的定义依据国家绿色无公害食品标准限量值的相对大小:
根据表1和上述公式(1)得到下面比较矩阵:
算ri=∑bij(i=1,2.....n),即按行求和,有R1=4,R2=4,R3=1,R4=9,R5=7再利用公式求出判断矩阵C=(Cij)n×n:
其中rmax=Max{ri},rmin=Min{ri},bm=rmax/rmin。求得判断矩阵:
3.求权重步骤:
根据上面的判断矩阵
①判断矩阵中每行元素连乘并开n次方:
第一行:
第二行:
第三行:
第四行:
第五行:
②求权重:
上一步的五个数求和:
五个权重计算如下:
综上所述,按层次分析法确定Cd、Pb、杀螟硫磷、黄曲霉毒素B1、As五种物质含量的权重如下:
Cd(mg/kg) | Pb(mg/kg) | 杀螟硫磷(mg/kg) | 黄曲霉毒素B1(mg/kg) | As(mg/kg) | |
权重(wj) | 0.0911 | 0.0911 | 0.0327 | 0.5161 | 0.2689 |
4.判定预警模型建立
采用该方法进行评价时,需要首先确定各元素的单因子污染指数,然后利用加权平均公式计算综合污染指数。具体公式
如下:
其中Ci代表污染物实测值,Si代表污染物质量标准,根据国家绿色无公害食品标准,见表1,
项目 | 稻米标准 |
镉 | 0.2 |
铅 | 0.2 |
杀螟硫磷 | 1 |
黄曲霉毒素B1 | 0.01 |
砷 | 0.15 |
得到的预警判定模型为:
yt=0.0911PCd+0.0911PPb+0.0327PS+0.5161PH+0.2689PAs
农产品污染预警分级标准
需用色斑输出判定等级。
P综 | 预警级别 | 色斑颜色 | 描述 |
0.0<P综≤0.2 | I级 | 蓝色 | 一般预警 |
0.2<P综≤0.4 | II级 | 黄色 | 较大预警 |
0.4<P综≤0.6 | III级 | 橙色 | 重大预警 |
P综>0.6 | IV级 | 红色 | 特大预警 |
5.时间序列预测模型:
Year | 1999 | 2000 | 2001 | 2002 | 2003 | 2004 | 2005 | 2006 | 2007 | 2008 |
Index |
Index数据及计算过程见附表中Sheet2:计算过程如下
③将每一年标准化的数据和上文中求出的权值wi加权求和,即得到上述各年份的加权综合指数。
Si值国家绿色无公害食品标准的数据
根据综合指数输出折线图。从图中看出此序列的变化有一定的线性趋势,用二次指数平滑法进行预测:
第一步,确定α
根据公 取α初值为0.1,0.2,0.3……0.9重复计算9次,选取计算后平方误差求和后最小的α值为二次指数平滑的参数;如果平方误差和有相同的值则取较大的α值为二次指数平滑的参数。
其中yt是根据上一部分的预警判定模型计算出的十年综合指数,也为一次指数平滑方法中的真实值,y0的值为前三年的均值y0=y1+y2+y3/3=0.150,作为计算的初始值。
例如α=0.2时, 平方误差为预测值和真实值的差的平方。如α=0.2时,平方误差=(0.150-0.145)2=0.000。通过比较平方误差和的大小,α=0.9时平方误差和为0.001为最小,则选α=0.9为二次指数平滑的参数。
第二步:二次指数平滑法,即对一次指数平滑中最优的结果再做一次指数平滑
二次指数平滑法主要用于变参数线性趋势时间序列的预测。变参数线性趋势预测模型表达式为:
由于折线的线性趋势明显,所以选取二次指数平滑法对接下来的数据进行预测。α取0.9,两次平滑的初始值均取前三年数值的平均值。具体结果见表:
(2)式的预测模型与一般的线性趋势模型在于,式中at、bt是参数变量,随着时间自变量t的变化而变化,即直线在各时期的截距和斜率是可能不同的;T是从t期开始的预测期数。
运用二次指数平滑指数法求解(2)式可得参数变量的表达式,即
最后一次的at=0.216,bt=0.021,则预测公式为: 即:
当T=1时得2009年的预测值
当T=2时得2010年的预测值
6.环境恶化速度预警模型
针对此类问题对产品恶化的速度进行了预警,在没有人为采取环保行为的情况下,大概在多少年后,某地区会进入污染状态。预警模型如下:
其中,a为产品污染物积累的加速率,t为产品污染物积累年限,yn为第n年产品污染的综合污染指数,yn-t为第n-t年的产品污染综合污染指数。
v=v0+aT(2)
其中,v为T年后的综合污染量,v0为当前的综合污染量,T为预测年限。
将式(1)带入(2)中,求出T的方程为:
式(3)即为环境恶化速度的预警模型。
当稻米进入一般状态时,v=0.4,v0=y2008=0.216,y1999=0.145,t=10,可知,T=26,即某地稻米再过26年后将进入一般状态。
Claims (2)
1一种无公害农产品的长期安全预警方法,其特征在于该方法是以无公害产品标准数据和产品实际理化测试数据为基础,首先构建影响无公害农产品综合指数的各指标的权重矩阵,然后通过农产品多年的历史实测数据计算农产品的各年综合指数,最后利用时间序列法的二次指数平滑法输出农产品的综合指数折线图及预测公式,从而得到预警模型,对未来农产品的综合指数及恶化速度进行预测预警。
2如权利要求1所述的预警方法,其特征在于所述无公害产品标准数据是国家绿色无公害食品标准的数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009101026366A CN101593343A (zh) | 2009-06-24 | 2009-06-24 | 无公害农产品的长期安全预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2009101026366A CN101593343A (zh) | 2009-06-24 | 2009-06-24 | 无公害农产品的长期安全预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101593343A true CN101593343A (zh) | 2009-12-02 |
Family
ID=41407985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2009101026366A Pending CN101593343A (zh) | 2009-06-24 | 2009-06-24 | 无公害农产品的长期安全预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101593343A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103125280A (zh) * | 2012-12-06 | 2013-06-05 | 广东海洋大学 | 稻米中Cd的安全性监测预警方法 |
CN103617463A (zh) * | 2013-12-10 | 2014-03-05 | 重庆市科学技术研究院 | 齿轮磨损速度预警方法 |
CN111800807A (zh) * | 2019-04-08 | 2020-10-20 | 中移(苏州)软件技术有限公司 | 一种基站用户数量告警的方法及装置 |
-
2009
- 2009-06-24 CN CNA2009101026366A patent/CN101593343A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103125280A (zh) * | 2012-12-06 | 2013-06-05 | 广东海洋大学 | 稻米中Cd的安全性监测预警方法 |
CN103617463A (zh) * | 2013-12-10 | 2014-03-05 | 重庆市科学技术研究院 | 齿轮磨损速度预警方法 |
CN111800807A (zh) * | 2019-04-08 | 2020-10-20 | 中移(苏州)软件技术有限公司 | 一种基站用户数量告警的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dalezios et al. | Water scarcity management: part 1: methodological framework | |
CN104112080B (zh) | 水体水华风险快速预警方法 | |
CN101593342A (zh) | 农产品产地长期安全预警的方法 | |
Bruder et al. | Use of fuzzy logic models for prediction of taste and odor compounds in algal bloom-affected inland water bodies | |
Rabbani et al. | Coastal community adaptation to climate change-Induced salinity intrusion in Bangladesh | |
Negahban et al. | LOADSS: A GIS-based decision support system for regional environmental planning | |
CN101593343A (zh) | 无公害农产品的长期安全预警方法 | |
Hartanto | Assessing the spatial-temporal land use change and encroachment activities due to flood hazard in north coast of central Java | |
Rolia et al. | Modeling watershed health assessment for five watersheds in Lampung Province, Indonesia | |
Cau et al. | Assessment of alternative land management practices using hydrological simulation and a decision support tool: Arborea agricultural region, Sardinia | |
CN111047213B (zh) | 基于多要素联合判别的中长期水资源量临界预警指标方法 | |
Alhassan et al. | What factors influence farmers’ vulnerability to climate change and variability? Empirical evidence from smallholder women rice farmers in the Northern Region of Ghana | |
Vincent et al. | Performance assessment and potential indicators for drainage systems | |
Bhuiyan | Drought vulnerability | |
Que | Evaluations of the environmental effects of controlled tile drainage on watershed and river using the improved SWAT and the QUAL2Kw under current and future climate regimes | |
Njogu | An integrated river basin planning approach–Nyando case study in Kenya | |
Andersson et al. | Consequences of changed wetness on riverine nitrogen–human impact on retention vs. natural climatic variability | |
Manoliadis | Environmental indices in irrigation management | |
Tirivarombo | Climate variability and climate change in water resources management of the Zambezi River basin | |
Kossida et al. | Thematic Assessment on Vulnerability to Water Scarcity and Drought | |
Jampani | Integrated evaluation of wastewater irrigation for sustainable agriculture and groundwater development | |
Starcevic | Risk analysis of climate change impacts on the quantitative drinking water supply | |
Butt et al. | Estimation of Water Budget for Selected Irrigation Canal: A Case Study of LBDC Sahiwal | |
ELIAS | EVALUTION OF HYDRAULIC PERFORMANCE OF SMALL SCALL IRRIGATION SCHEME BY USING INTERNAL AND EXTERNAL INDICATORS, AWI ZONE, ETHIOPIA | |
Gilja et al. | Reconstruction of Recharge and Discharge Pattern in the Polder Drainage Canal Network. Hydrology 2023, 10, 60 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20091202 |