CN111755098A - 一种平衡膳食数学模型建立方法 - Google Patents

Abstract

本发明公开了平衡膳食数学模型建立方法，包括，建立食物摄取量数据库；优化数据库；建立用户膳食数学模型；将膳食数学模型与数据库进行计算分析；建立特色平衡膳食模型；建立食物摄取量数据库的步骤包括：对食物进行分类；提取各种食物的营养素；根据各种食物营养素构建数据库；本方法对食物种类进行了分类，同时对食物的营养素进行了相应的分析，构建了食物营养素的数据库，其将用于建立针对不同人的平衡膳食标准模型，最终能够通过可视化的方式给出相应的膳食推荐。

Description

一种平衡膳食数学模型建立方法

技术领域

本发明涉及的膳食模型技术领域，尤其涉及一种平衡膳食数学模型建立方法。

背景技术

对包含大量复杂种类营养素的分类计算，以及不同人群对相关营养素的需求计算是最为从而搭建相应的模型是最具挑战性的问题之一；主流解决方案包括平衡膳食金字塔；以往的模型注重是大体上对于人们所需的营养素给出相应的每日三餐的饮食推荐，因此其只是对于所有人的一个宽泛的推荐，并不能对个体给出一个合理的方案；大数据时代的到来给建立个体精准膳食模型提供了新的想法，且数据可视化也逐渐进入人们的视线，人们迫切想要从海量的这种非结构性的数据库中挖掘重要信息，所以研究基于大数据时代的数据可视化应用分析是非常重要的。

而目前国内外的关于平衡膳食的方面的模型大多是通过常见的二维平面模型展示出来的一个膳食食谱或者大多数只有复杂的理论数据，并没有更加直观的三维空间模型将个体的饮食状况与标准平衡膳食形成直观的对比从而达到数据可视化，提出相关的膳食建议。

目前大多数的营养系统都是基于营养素平衡的(包括DRIs，DQI等)；这种营养模型的缺点在于很难满足多种营养素在一天的摄入量都达到标准；同时，这种单纯考虑营养素平衡的营养模型却忽略了营养健康要求的其它方面，比如食物的酸碱度平衡：而且，基于营养素平衡模型最大的问题就是找到完全满足营养模型的搭配不多，可能一天要求吃太多种食物，或者每天的食物一成不变，这都是不现实的；而且大多数的营养系统没有考虑到用户偏好(个人忌口、喜好、民族习俗等等)；部分营养系统提出了让用户可以更改推荐的菜单，将不喜欢的食物去掉，但是由于食物之间各个营养素的差异，人为去掉几种食物再换上另外几种自己喜欢的食物基本上就破坏了的营养素平衡，而且这样也不能保证尽可能的推荐用户最喜欢的食物。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有平衡膳食数学模型建立方法存在的考虑不全面以及不能根据用户喜好推荐不食物问题，提出了本发明。

因此，本发明目的是提供一种平衡膳食数学模型建立方法。

为解决上述技术问题，本发明提供如下技术方案：一种平衡膳食数学模型建立方法，包括，建立食物摄取量数据库；优化数据库；建立用户膳食数学模型；将膳食数学模型与数据库进行计算分析；建立特色平衡膳食模型。

作为本发明所述平衡膳食数学模型建立方法的一种优选方案，其中：建立食物摄取量数据库的步骤包括：对食物进行分类；提取各种食物的营养素；根据各种食物营养素构建数据库。

作为本发明所述平衡膳食数学模型建立方法的一种优选方案，其中：优化数据库的步骤包括：去除数据库内对身体具体微小影响的食物营养素；加入约束条件，构建标准化数据库。

作为本发明所述平衡膳食数学模型建立方法的一种优选方案，其中：建立用户膳食数学模型为：

A₁₁B₁₁X₁+...+A_ijB_jjX_j＝D_i1

其中，A_ij表示第j种食物对应第i种营养素含量，B_jj表示第j种食物对应食部，D_i1表示第i种营养素标准日需量，X_j表示各个食物需摄入量，i为1～7，分别表示蛋白质、脂肪、碳水化合物、维生素C、钙、铁和锌；j为1～6，分别表示谷类、蔬菜水果类、鱼禽肉蛋类、奶类、豆类和油脂类。

用作为本发明所述平衡膳食数学模型建立方法的一种优选方案，其中：户膳食数学模型需满足如下约束条件：

EX＝I

其中，E为单位矩阵E_i1≤D_i1≤U_i1；

其中，X＝(X₁ X₂ … X_i)^T

I＝(I₁ I₂ … I_j)^T

其T表示对矩阵的转置。

作为本发明所述平衡膳食数学模型建立方法的一种优选方案，其中：将膳食数学模型与数据库进行计算分析，获取具体膳食数据模型为：

作为本发明所述平衡膳食数学模型建立方法的一种优选方案，其中：建立特色平衡膳食模型的步骤为：计算不同食物之间的感官相似度；获取不同食物的IBCF法相关度；获取线性相似度计算公式；建立用户食品组成集合，并计算用户对食品的预测值；根据用户基本信息推荐食物。

作为本发明所述平衡膳食数学模型建立方法的一种优选方案，其中：计算不同食物之间的感官相似度S1_fifj为：

其中，和(这个应该是j)表示2种食物，P_appearance表示食物的外观；P_texture表示食物的质地；P_aroma表示食物的香味；P_flavor表示食物的口味。

作为本发明所述平衡膳食数学模型建立方法的一种优选方案，其中：IBCF法相关度S2_fifj公式为：

其中，R_u，fi表示用户u对f_i的评价值(用户U对f_i的喜好度)，

表示用户U对所有吃过的食物评价值的平均值。

作为本发明所述平衡膳食数学模型建立方法的一种优选方案，其中：线性相似度计算公式为：

其中，a表示0～1的权重系数。

本发明的有益效果：本方法对食物种类进行了分类，同时对食物的营养素进行了相应的分析，构建了食物营养素的数据库，其将用于建立针对不同人的平衡膳食标准模型，最终能够通过可视化的方式给出相应的膳食推荐。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明平衡膳食数学模型建立方法的整体流程图。

图2为本发明平衡膳食数学模型建立方法的建立食物摄取量数据库流程图。

图3为本发明平衡膳食数学模型建立方法的建立特色平衡膳食模型流程图。

图4为本发明平衡膳食数学模型建立方法的特色计算结构示意图。

图5为本发明平衡膳食数学模型建立方法的用户对配餐方案的满意度评价统计图。

图6为本发明平衡膳食数学模型建立方法的营养师对配餐方案合理性评价统计图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

再其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

实施例1

参照图1，提供了一种平衡膳食数学模型建立方法的整体结构示意图，如图1，一种平衡膳食数学模型建立方法包括，S1：建立食物摄取量数据库；S2：优化数据库；S3：建立用户膳食数学模型；S4：将膳食数学模型与数据库进行计算分析；S5：建立特色平衡膳食模型。

本方法根据食物种类进行了相关的分类，对各种食物所包含的营养素进行了相应的分析，构建了食物营养素的数据库；它将用于建立针对不同人的平衡膳食标准模型；然后分析了影响人们的营养需求的因素，设计了与之对应的标准模型,以形成一系列标准的营养数据库；最后，在模型的基础上,建立接受个人信息的方案,然后与标准数据库进行比较分析计算，最终得出结论，通过可视化的方式，给出相应的膳食推荐。

具体的，本方法具体包括，S1：建立食物摄取量数据库；其中，建立食物摄取量数据库的步骤包括：

S11：对食物进行分类，其中，食物分类种类为谷类、蔬菜水果类、鱼禽肉蛋类、奶类、豆类和油脂类；

S12：提取各种食物的营养素；

S13：根据各种食物营养素构建数据库；

参照图2所示，S2：优化数据库；其中，优化数据库的步骤包括：

S21：去除数据库内对身体具有微小影响的食物营养素(如锰、铬、钼、钴等微量矿物质、以及一些通过膳食无法显著改善的叶酸、生物素等)；

S22：加入约束条件(膳食平衡指数DBI)，构建标准化数据库；具体的，通过查阅相关的先将类似的食物进行大体上的分类，在把分类后的食物按照含有营养素的种类与含量食物进行划分，然后去掉对人体影响不重要以及影响细微的的营养素忽略掉，只考虑能够影响常见疾病的因素；最后根据不同人的身体健康因素(年龄、体重以及性别)建立标准数据库。

S3：建立用户膳食数学模型；其建立用户膳食数学模型为：

A₁₁B₁₁X₁+...+A_ijB_jjX_j＝D_t1

其中，A_ij表示第j种食物对应第i种营养素含量，B_jj表示第j种食物对应食部，D_i1表示第t种人群营养素标准日需量，X_j表示各个食物需摄入量，i为1～7，分别表示蛋白质、脂肪、碳水化合物、维生素C、钙、铁和锌；j为1～6，分为表示谷类、蔬菜水果类、鱼禽肉蛋类、奶类、豆类和油脂类；t为1～7，分为表示幼儿、儿童、小学生、中学生、青中年、中老年和老年；

用户膳食数学模型需满足如下约束条件：

EX＝I

其中，E为单位矩阵E_i1≤D_i1≤U_i1；

其中，X＝(X1 X₂ …X_i)^T

I＝(I₁ I₂ …I_j)^T

其t、T表示矩阵的转置

其中，E_i1，U_i1取值如下：

油脂类	≤25克(0.5两)
		奶类及奶制品	100克(2两)
豆类及豆制品	50克(1两)
		畜禽肉类	50-100克(1两-2两)
鱼虾类	50克(1两)
		蛋类	25-50克(0.5两-1两)
蔬菜类	400--500克(8两-1斤)
		水果类	100--200克(2两-4两)
谷类	300-500克(6两-1斤)

需说明的是，各年龄阶层营养需求量：

S4：将膳食数学模型与数据库进行计算分析；将膳食模型与数据库进行计算分析，获取具体膳食数据模型为：

通过上式可算出各年龄阶层的需量表示各个食物膳食日需摄入量X_j

注：幼儿：1-3岁，儿童：3-6岁，小学生：6-12岁，中学生：12-18岁，青壮年：18-45岁，中老年：45-65岁，老年：65岁以上。不同人群膳食日需量(仅以幼儿、中学生、老年为例)，表3各年龄段膳食日需量：

具体的，根据DBI的核心指标，总结了本膳食模型，其中每类食物均具有的同样关键指数：1、推荐摄入量(高)：该类食物的标准摄入量的上限；2、推荐摄入量(低)：该类食物的标准摄入量的下限；单位增量：这个增量表示的是每增加(减少)1分，该食物需要增加(减少)的摄入量；摄入藿的上下限：对于某些类食物摄入量不设置上限，比如水果类；对于某些类食物摄入量不设置下限，比如酒类；本文采用2位数字串的形式来表示，个位表示下限，十位表示上限，0代表有限制，1代表没有限制；最高年龄和最低年龄：由于要做到精准推荐，因此年龄范围要设定。

下面以奶类为例说明一下各个指标，奶类的分值是-6～0，摄入量也从0～100g，其中100g只是个最低标准；由于0～100分成6份会出现单位增量除不尽的情况，鉴于国民奶制品摄入量一直不够的现状，这里将100g这个标准进行微调为120g(由于奶制品摄入量没有上限，所以推荐摄入量高和推荐摄入量低同为120g)，于是单位增量就为20g。摄入量昀上下限表示为“10”，最高年龄是49，最低年龄是18。

方案评定：通DBI指标评定各膳食的营养价值，其中膳食平衡指数计算公式为：DBI＝C1+C 2_1+C2_2+C3_1+C3_2+C4_1+C4_2+C7；

方案一：

膳食平衡指数：DBI＝0+(-2)+(-6)+0+0+2+0+6＝0；

方案二：

膳食平衡指数：DBI＝(-4)+(-6)+(-6)+(-6)+(-3)+(-4)+(-4)+0＝-33<0；

方案三：

膳食平衡指数：DBI＝0+(-6)+0+0+0+(-2)+0+(-4)＝-12<0。

参照图3和图4所示，S5：建立特色平衡膳食模型；用于对不同人群具有普适性，提高使用的准确性，特色设置：为了很好的推荐用户喜好的食物，需要设定一些针对用户偏好的属性；如“语义相关度”属性就是为了计算用户和食物之间及食物和食物之闻的相似度的，还有食物的“地区”属性、“价格”属性都会影响用户对食物的喜好度；最终的食物推荐顺序取决于用户对食物的喜好度的数值。

需说明，用户对食物的喜好度由两方面决定，一是由用户的基本属性决定的(用户的地区和消费水平直接影响用户对食物的选择)，一是由食物与食物之阆的相似度决定的(在得知用户对食物A的喜好度的情况下，可以通过食物A和食物B的相似度值来预测用户对食物B的喜好度)；加入用户最近7天的饮食情况影响，充分考虑震户近期摄入食物的上下文条件，可以避免用户连续几天的食物单一，进而计算出用户对食物的当天喜好度。

具体的，其建立特色平衡膳食模型的步骤为：

S51：计算不同食物之间的感官相似度；其中，计算食物f_i与f_j之间的感官相似度，属性相似度的计算采用空间距离的计算方法(泛数)，各个子属性分别代表空间的一个坐标，假设一个属性P下面分n个子属性P₁、P₂、……、P_n，其f_i与f_j关于属性P的相似度为：

其中，

表示食物f_i与P_k子属性的值；

接下，计算出4个关键属性的相似度，计算食物f_i与f_j之间的感官相似度S1_fifj为：

其中，f_i和f_i表示2种食物，P_appearance表示食物的外观；P_texture表示食物的质地；P_aroma表示食物的香味；P_flavor表示食物的口味；

S52：获取不同食物的IBCF法相关度；为了全面考虑影响用户权重，在此使用经过修正的余弦相似性方法，同时把用户评价过(曾经吃过)食品f_i与f_j的用户集合用U表示，其IBCF法相关度S2_fifj公式为：

其中，R_u，fi表示用户u对f_i的评价值(用户U对f_i的喜好度)，

表示用户U对所有吃过的食物评价值的平均值

S53：获取线性相似度计算公式；其中，集成上述这两种相似度方法并以它们的线性结合得到最终的两个食品的相似度计算公式，线性相似度计算公式为：

其中，a表示0～1的权重系数，在系统不断的运行中，通过参看推荐结果和用户反馈来分析推荐效果，最终来手工调节a的值以达到最优效果。

S54：建立用户食品组成集合，并计算用户对食品的预测值，用户评价过的食品中选择k个与待评价食品相似度最高的食品组成集合K，则计算用户u对食品f_i的预测值P1_u，fi：

对于k值的设定，本系统采用的是选择全部集合K，因为本身计算机的计算能力可以达到这个水平，而且选择全部也是数据覆盖最多最全面；可以根据系统的使用效果来调节k的值；

S55：根据用户基本信息推荐食物。

其中P_fi表示食物f_i的价格属性，G_n(f_i)表示通过开根号再乘以10后的价格属性值，P3_Uarea，fi表示用户U_area与食物f_i的价格相似度，P_Uarea表示用户U_area的价格水平(消费水平)，area_fi表示食物f_i在用户所在地区的地区属性值。

对地区属性和价格属性计算出来的相似度值进行线性计算即可得出用户的基本信息决定的用户对食物的喜好度：

其中，a依旧是0～1之间的权重系数。

通过对上面两个大方面的计算，我们得出了用户对食物的两个喜好度值，通过简单的线性结合即可得出综合喜好度：

其a在每个公式中可以取不同的值，按照系统运行的效果人工调整。

以上总体计算了用户对一个食物的喜好度，但是食物和普通商晶有很大不同，对于我们的算法，我们还要按照食物的特殊要求进行改进。

用户对一种食物多次食用产生的腻烦度的考虑；

其中e_i表示前(i-1)天是否吃过f(是否有菜单记录)，若吃过f则为1，反之为0。

实施例2

为了验证所提模型的建立方法的有效性与可行性，编程设计了以下输入两种不同食物时的模型建立过程：将胡萝卜与葡萄输入到系统中，经过计算与人为提供相应评定数值可得到，胡萝卜的颜色为红色，且每一百克胡萝卜胆固醇量为0.0g、维生素E为0.41mg，维生素C为13.0mg视黄醇当量为688.0…；葡萄的个性化属性的测定为：感官属性分别为：88211、813141、4e4572，另外味觉属性为88211，水分为88.7g，地区系数为5576799，价格系数为4…由此实验可知，该系统对所有食物的系数的测定均是可靠与成功的。之后通过判断，胡萝卜与葡萄均为被用户近期食用，故显示结果为0，之后将食物进行分类，分别为蔬菜与水果类，最终得到对应需要推荐食物。

实施例3

为了验证所提模型的建立方法的有效性与可行性，做了以下实验进行检验：在医院大厅内，对前往医院进行过身体检查的人进行测试，测试样本量为1000，实验研究营养素种类为：蛋白质、脂肪、碳水化合物、维生素C、钙、铁和锌。

实验过程为：每名用户输入自身经检查后的营养素成分，以及个人信息(包括性别、年龄、地区、经济状况)输入系统中，之后系统将根据用户的信息向用户关于每一大类食物提供食物供其选择其的喜好程度，以及采集用户最近三天内的食物摄取信息；最终给用户提供一套膳食方案。

最终，如图5和图6所示，由用户给提供的方案进行喜好度评分以及让医院营养师对膳食方案进行评分；结果表明有89％的的方案是可行与成功的。

重要的是，应注意，在多个不同示例性实施方案中示出的本申请的构造和布置仅是例示性的。尽管在此公开内容中仅详细描述了几个实施方案，但参阅此公开内容的人员应容易理解，在实质上不偏离该申请中所描述的主题的新颖教导和优点的前提下，许多改型是可能的(例如，各种元件的尺寸、尺度、结构、形状和比例、以及参数值(例如，温度、压力等)、安装布置、材料的使用、颜色、定向的变化等)。例如，示出为整体成形的元件可以由多个部分或元件构成，元件的位置可被倒置或以其它方式改变，并且分立元件的性质或数目或位置可被更改或改变。因此，所有这样的改型旨在被包含在本发明的范围内。可以根据替代的实施方案改变或重新排序任何过程或方法步骤的次序或顺序。在权利要求中，任何“装置加功能”的条款都旨在覆盖在本文中所描述的执行所述功能的结构，且不仅是结构等同而且还是等同结构。在不背离本发明的范围的前提下，可以在示例性实施方案的设计、运行状况和布置中做出其他替换、改型、改变和省略。因此，本发明不限制于特定的实施方案，而是扩展至仍落在所附的权利要求书的范围内的多种改型。

此外，为了提供示例性实施方案的简练描述，可以不描述实际实施方案的所有特征(即，与当前考虑的执行本发明的最佳模式不相关的那些特征，或于实现本发明不相关的那些特征)。

应理解的是，在任何实际实施方式的开发过程中，如在任何工程或设计项目中，可做出大量的具体实施方式决定。这样的开发努力可能是复杂的且耗时的，但对于那些得益于此公开内容的普通技术人员来说，不需要过多实验，所述开发努力将是一个设计、制造和生产的常规工作。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种平衡膳食数学模型建立方法，其特征在于：包括，

建立食物摄取量数据库；

优化数据库；

建立用户膳食数学模型；

将膳食数学模型与数据库进行计算分析；

建立特色平衡膳食模型。

2.如权利要求1所述的平衡膳食数学模型建立方法，其特征在于：建立食物摄取量数据库的步骤包括：

对食物进行分类；

提取各种食物的营养素；

根据各种食物营养素构建数据库。

3.如权利要求1或2所述的平衡膳食数学模型建立方法，其特征在于：优化数据库的步骤包括：

去除数据库内对身体具体微小影响的食物营养素；

加入约束条件，构建标准化数据库。

4.如权利要求3所述的平衡膳食数学模型建立方法，其特征在于：建立用户膳食数学模型为：

A₁₁B₁₁X₁+...+A_ijB_jjX_j＝D_i1

其中，A_ij表示第j种食物对应第i种营养素含量，B_jj表示第j种食物对应食部，D_i1表示第i种营养素标准日需量，X_j表示各个食物需摄入量，i为1～7，分别表示蛋白质、脂肪、碳水化合物、维生素C、钙、铁和锌；j为1～6，分别表示谷类、蔬菜水果类、鱼禽肉蛋类、奶类、豆类和油脂类。

5.如权利要求4所述的平衡膳食数学模型建立方法，其特征在于：所述用户膳食数学模型需满足如下约束条件：

EX＝I

其中，E为单位矩阵E_i1≤D_i1≤U_i1；

其中，X＝(X₁ X₂…X_l)^T

I＝(I₁ I₂…I_j)^T

其T表示对矩阵的转置。

6.如权利要求4或5所述的平衡膳食数学模型建立方法，其特征在于：将膳食数学模型与数据库进行计算分析，获取具体膳食数据模型为：

7.如权利要求6所述的平衡膳食数学模型建立方法，其特征在于：所述建立特色平衡膳食模型的步骤为：

计算不同食物之间的感官相似度；

获取不同食物的IBCF法相关度；

获取线性相似度计算公式；

建立用户食品组成集合，并计算用户对食品的预测值；

根据用户基本信息推荐食物。

8.如权利要求7所述的平衡膳食数学模型建立方法，其特征在于：计算不同食物之间的感官相似度S1_fifj为：

其中，和(这个应该是j)表示2种食物，P_appearance表示食物的外观；P_texture表示食物的质地；P_aroma表示食物的香味；P_flavor表示食物的口味。

9.如权利要求7或8所述的平衡膳食数学模型建立方法，其特征在于：所述IBCF法相关度S2_fifj公式为：

其中，R_u，fi表示用户u对f_i的评价值(用户U对f_i的喜好度)，

表示用户U对所有吃过的食物评价值的平均值。

10.如权利要求8或9所述的平衡膳食数学模型建立方法，其特征在于：所述线性相似度计算公式为：

其中，a表示0～1的权重系数。

Images