CN114511155A - 一种多尺度关联融合的食品安全风险预测预警方法 - Google Patents
一种多尺度关联融合的食品安全风险预测预警方法 Download PDFInfo
- Publication number
- CN114511155A CN114511155A CN202210164861.8A CN202210164861A CN114511155A CN 114511155 A CN114511155 A CN 114511155A CN 202210164861 A CN202210164861 A CN 202210164861A CN 114511155 A CN114511155 A CN 114511155A
- Authority
- CN
- China
- Prior art keywords
- condition
- index
- food safety
- indexes
- food
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000004927 fusion Effects 0.000 title claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 30
- 238000007689 inspection Methods 0.000 claims description 10
- 208000019331 Foodborne disease Diseases 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000011278 co-treatment Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 208000031295 Animal disease Diseases 0.000 claims description 2
- 208000004262 Food Hypersensitivity Diseases 0.000 claims description 2
- 206010016946 Food allergy Diseases 0.000 claims description 2
- 206010016952 Food poisoning Diseases 0.000 claims description 2
- 230000033228 biological regulation Effects 0.000 claims description 2
- 230000019771 cognition Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims description 2
- 235000020932 food allergy Nutrition 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 239000000575 pesticide Substances 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 15
- 238000011160 research Methods 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 7
- 238000011084 recovery Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 5
- 238000013278 delphi method Methods 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 3
- 238000000556 factor analysis Methods 0.000 description 3
- 238000013173 literature analysis Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 206010013654 Drug abuse Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004186 food analysis Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 208000011117 substance-related disease Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明属于食品安全技术领域，具体涉及一种多尺度关联融合的食品安全风险预测预警方法。本发明构建了包含2个一级指标、6个二级指标和30个三级指标的指标体系，并给出了各指标权重，最终得到了多尺度关联融合的食品安全风险预测预警方法。本发明的食品安全风险预警指标体系具有较高的权威性和科学性，能够全面准确地反映出食品安全风险程度，可为食品安全潜在风险的识别与靶向定位提供科学决策和客观依据。且本发明的方法对操作人员的经验和专业知识水平要求低，操作步骤简便、通用性较强，有利于大规模使用，具有很高的应用价值。
Description
技术领域
本发明属于食品安全技术领域，具体涉及一种多尺度关联融合的食品安全风险预测预警方法。
背景技术
食品安全是我国食物生产链和供应链面临的重大和持续挑战，当前药物滥用、非食用物质违禁使用、环境污染造成的化学性污染以及突发性致病菌污染造成的食源性疾病和食品生产经营中的不诚实行为等因素给食品安全带来了诸多不确定风险。食品安全具有历史性和系统性特征，某一时期内的潜在风险，在未来可能会演变成突出问题，且涉及到社会稳定、经济发展、科技进步等多个方面，长期以来一直深受政府部门的高度重视和人民大众的广泛关注。因此，食品安全治理是一个长期而复杂的过程。
食品安全风险预测预警是通过早期识别食品安全相关信息，及时发现风险隐患并触发防控预警的一种方法，目前受到全球许多国家重视，并在食品安全监管中发挥着重要作用。当前我国《食品安全法》中已明确食品安全工作要实行以预防为主、风险管理、全程控制、社会共治的原则，对开展食品安全风险预警工作也提出了明确规定，要求应当对食品安全状况进行综合分析并及时向社会公布食品安全风险预测警示。在当前信息化时代，食品安全潜在风险的识别与靶向定位评估实际工作中往往存在难以将散乱化的食品安全信息有效整合的问题，而预警指标的设计是构建食品安全风险预测预警系统的关键所在。
中国发明专利申请“CN111489046A-一种基于供应链和BP神经网络的区域性食品安全评价模型”提供了一种建立食品安全评价模型的方法，并且他们通过其方法构建了区域性食品安全评价模型。但是该模型主要用于食品安全状况的综合评价，并不适用于食品安全风险隐患的早期识别和日常监测预测预警，第一是所表征的指标主要体现在食品安全公共性来源指标，这些指标更新频率较低，常用于年度食品安全状况的综合对比评价，难以起到月度性、季度性预测预警效果；第二是缺少能够直接反应食品安全状况的政府抽检监测数据指标和食品欺诈、公众满意度、投诉举报等能够间接体现食品安全风险的相关因素，从而影响风险预测预警评价结果的权威性和准确性。
发明内容
针对现有技术的问题，本发明提供一种多尺度关联融合的食品安全风险预测预警方法，目的在于提供一种准确评价食品安全的方法，实现对食品安全风险的预测预警。
一种多尺度关联融合的食品安全风险预测预警方法，采用三级指标体系，利用所述三级指标的权重对食品安全风险进行预测和预警；
所述三级指标体系中，一级指标由抽检指标和关联指标构成；所述抽检指标下所属二级指标由抽检情况和抽检评价两个指标构成，所述关联指标构下所属二级指标由消费关注、安全监管、安全诚信和溯源相关四个指标构成；
所述抽检情况下所属三级指标由大宗食品情况、“老少”食品情况、学校及学校周边情况、农村地区情况、外卖餐饮情况、网购食品情况、非食用物质检出情况和农兽药超标情况八个指标构成；
所述抽检评价下所属三级指标由抽检集中情况、计划完成率、数据质量问题率、核查处置情况和食品安全评价指数五个指标构成；
所述消费关注下所属三级指标由食品安全舆情情况、你点我检类社会共治活动情况、食品安全知识公众认知情况、食品安全状况社会满意度情况、食物变态反应情况、食物中毒情况、其他食源性疾病情况和主要国家食品安全通报情况八个指标构成；
所述安全监管下所属三级指标由食品安全政策与法规发布情况、日常监管动态情况、主要国家标准限值差异情况和食品企业信用信息情况四个指标构成；
所述安全诚信下所属三级指标由投诉举报情况、食品欺诈情况和行政处罚情况三个指标构成；
所述溯源相关下所属三级指标由环境因素情况和动物疾病情况两个指标构成。
优选的，所述一级指标中，所述抽检指标的权重为0.7692，所述关联指标的权重为0.2308。
优选的，所述二级指标的权重如下表所示：
优选的，所述三级指标的权重如下表所示：
本发明中，各三级指标的定义以及用于对各项三级指标进行评分的参数(指标分析来源)如下表所示：
需要说明的是，本发明的预警方法并未针对每一项三级指标提供具体的评分标准。这是由于在实际食品分析过程中，由于不同的省份、不同的食品种类等因素的差异，会导致评分标准不同。然而，一个具有食品安全领域常识的本领域技术人员在明确地域范围和食品种类后，可以依据常识和现有技术对每一项三级指标建立评分体系，对上表中的各项“指标分析来源”设置合理的阈值，实现最终的三级指标评分。
而本发明的贡献在于建立了一套多尺度关联融合的食品安全风险预测预警指标体系，提供合理的权重体系，能够将通过现有技术得到的各项三级指标的评分转化为全面反映食品安全风险的总分，提高食品风险预测的准确性，实现早期预测的目标。需要说明的是,本发明主要提供能够真实反映各指标对食品安全风险的影响程度的权重，而各项三级指标的评分规则及对总分进行风险阈值的设定可由本领域技术人员根据公开的资料进行设定。
采用本发明的方法，能够有效避免现有评价方法因对政府抽检监测数据深度挖掘利用的忽视，导致可表征解析信息的浪费，且对操作人员的要求较低，因而能够广泛应用。本发明提供的科学客观、简单易操作的指标体系，为推进食品安全风险识别与靶向定位风险预测预警系统的建立提供了借鉴和参考，为我国早日实现监管模式从事后监管转变为事前监管起到积极的推进作用。
显然，根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。
以下通过实施例形式的具体实施方式，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。凡基于本发明上述内容所实现的技术均属于本发明的范围。
附图说明
图1为多尺度关联融合的食品安全风险预测预警指标体系构建流程图；
图2为多尺度关联融合的食品安全风险预测预警指标体系指标池；
图3为递阶层次模型层级关系图。
具体实施方式
实施例1多尺度关联融合的食品安全风险预测预警方法的构建过程
一、本实施例构建多尺度关联融合的食品安全风险预测预警方法的具体过程：
如图1所示，研究对象与方法如下：
(1)成立研究小组
研究小组共9人，其中高级职称2人(从事食品安全研究相关工作10年以上)，中级职称7人(从事食品安全研究相关工作5年以上)。主要职责：文献调研和头脑风暴研讨，归纳分析指标池，专家咨询问卷设计与编制，专家遴选与邀请，问卷发放与回收，统计分析与报告撰写。
(2)拟定专家咨询问卷
基于文献分析法和头脑风暴法建立指标体系指标池，编制咨询背景、指标解读文本和指标分析来源等，形成专家咨询表。①文献分析法归纳评价要素。查阅风险预警相关政策及国内外食品安全指数和指标体系实践案例，同时以Web of Science数据库、中国知网、维普、万方数据等为检索平台，检索时间从数据库建立至2021年6月20日，从中筛选出与食品安全风险预警相关文献30余篇，通过文献分析法，汇总、整理和归纳食品安全风险的评价要素。②头脑风暴法形成指标池。遵循代表性、系统性、可比性和可操作性等原则，结合工作实际，通过头脑风暴专题研讨会，初步形成食品安全风险预警指标池。③拟定专家咨询问卷。通过小组讨论，编制包括研究背景、指标解读文本、指标分析来源以及专家意见等在内的专家咨询表。
(3)遴选咨询专家
按照指标体系构建原则和德尔菲法理论，纳入咨询专家的入选条件包括：①各行业领域中从事食品安全控制、质量管理及风险预警分析和体系研究工作，且熟悉或较为了解食品安全监管工作的专家学者；②具有本科及以上学历或中级及以上职称，且具有5年以上食品安全相关工作或相关研究的经验。经项目组讨论筛选，最终从北京、上海、天津、广东、浙江等17个省份中确定满足上述条件的专家50人。
(4)开展问卷咨询
2021年7月-2021年8月进行了2轮专家咨询(电子邮件方式)，每轮专家咨询问卷的发放与收回时间控制在一周以内。第1轮咨询根据专家修改意见，来完善确定关键指标；第2轮咨询是请专家们对指标重要程度(Likert5级评分法)和相对重要程度(1～9比较量表法)进行赋分，再利用层次分析法构造判断矩阵并计算指标权重。咨询完成后对问卷结果进行归纳整理，计算专家积极系数、权威度和协调系数等参数来进行综合评价，以重要性算术均值＞3.00分，变异系数＜0.25作为指标筛选条件，并结合专家修改意见进行指标确定。最终，经过两轮德尔菲法专家咨询完成对本研究指标体系的构建。
(5)统计学处理
以Excel 2020建立基础数据库，德尔菲法采用SPSS 25.0分析数据，专家基本情况采用描述性分析，专家积极系数用问卷回收率表示，专家权威度用权威系数表示，专家协调度通过肯德尔协调系数(Kendall’W)及其显著性检验来反映，以P＜0.05表示差异有统计学意义，专家意见集中程度通常使用重要性赋分均值、标准差、满分比来反映，采用Alpha信度系数法和因子分析法进行信度和结构效度检验。层次分析法采用yaahp V 11.0计算各指标权重向量、最大特征根和检验一致性。
二、德尔菲法构建指标体系及综合评价的过程
如图1、图2所示，所述两轮德尔菲专家咨询法，包括专家咨询问卷设计与编制，专家遴选与邀请，问卷发放与回收，统计分析等内容，其中第1轮专家咨询旨在根据专家修改意见，来完善确定关键指标，第2轮专家咨询旨在请专家对指标重要程度和相对重要程度进行赋分。所述多尺度关联融合的指标体系，包括一级指标2个，二级指标6个，三级指标30个。所述综合评价与检验，包括从专家积极系数、专家权威度、专家协调度、专家意见集中程度等方面进行综合评价，以及进行信度和效度检验。
(1)专家基本情况
本研究遴选的50名专家中，有男性专家35人，女性专家15人；高级职称或处级以上职务41人，从事本专业15年及以上专家33人，研究生及以上学历36人。专家构成情况见表1。
表1 专家基本情况统计表
(2)专家积极系数
专家积极系数能够反映出被咨询专家对此项研究的关心、支持和配合程度，通常用专家咨询表的有效回收率表示。一般情况下，当咨询表回收率超过70％，则说明专家积极性较高。第一轮向各行业选取的50名专家发送专家咨询表，实收有效专家咨询表50份，回收率为100％，其中20名专家提出不同意见，专家意见提出率40％；第二轮向50名专家发出咨询表，实收有效专家咨询表50份，回收率为100％，两轮的专家积极系数均高于70％。
(3)专家权威度
专家权威度(Cr)指被咨询专家在该领域的权威程度，一般由判断系数(Ca)和熟悉程度(Cs)的算术平均值得到，通常情况下，当Cr≥0.7时为可信值。本研究中，50位专家的平均Ca＝0.80，Cs＝0.92，Cr＝0.86，表明本研究专家的权威程度较高。
(4)专家协调度
专家协调度指专家评分意见的一致性，一般通过肯德尔协调系数(Kendall’W)来反映。本研究中两轮专家咨询协调系数如表2所示，一级指标分别为0.437和0.502，二级指标分别为0.451和0.489，三级指标分别为0.456和0.553，系数均处于0.5上下，且第2轮的Kendall’W协调系数高于第1轮，说明其收敛性优于第1轮。同时，经χ2检验，P＜0.05，差异均有统计学意义，说明两轮咨询专家意见协调度都较好。
表2 两轮专家咨询的协调度
(5)专家意见集中程度
专家意见集中程度通常使用重要性赋分均值
标准差(σ)、满分比来表示，均值、标准差、满分比越高，则专家意见的集中程度也越高，该指标的重要程度也越高；以变异系数(Vi)来衡量专家评价的一致性，变异系数越小，表示专家对该指标的意见越一致。当均值大于3.00，且变异系数小于0.25，满分比不为0，则指标保留。三者计算公式如下：
其中，n表示专家总数，i表示某个指标得分，j表示某指标。
本研究中一级指标的重要性评分均值介于4.02～4.80之间，满分比介于0.08～0.80之间，变异系数介于0.07～0.10之间，见表3。
表3 一级指标两轮专家咨询集中程度
二级指标的重要性评分均值介于2.92～4.78之间，满分比介于0.00～0.76之间，变异系数介于0.11～0.24之间，见表4。
表4 二级指标两轮专家咨询集中程度
三级指标的重要性评分均值介于3.02～4.66之间，满分比介于0.00～0.70之间，变异系数0.12～0.24之间，见表5。
表5 三级指标两轮专家咨询集中程度
由表3、4、5可知，2项一级指标专家评分均值均远大3.00分，且变异系数均小于0.25，说明2项一级指标基本得到了专家的一致认可。6项二级指标中，除“溯源相关”指标外，其他指标均值、满分比和变异系数均符合要求。经与“溯源相关”低分评价的专家沟通，他们认为风险预警评估指标主要用于评价我国食品当前的风险感知，而“溯源相关”是对可能影响食品安全的环境因素进行评价，不一定对提升食品安全风险预警水平有所帮助。但项目组考虑到生态环境与食品安全两者互为因果，产地环境污染对食品安全影响深远，研究与探索建立“溯源相关”生态环境与食品之间联系的桥梁和纽带，对食品安全源头治理具有重要意义，故依然保留溯源相关二级指标。此外，可以看出专家们对抽检情况打分均较高，满分比也较高，且变异系数维持在较低水平，说明专家们一致认为抽检情况作为评价指标的重要性很高。30项三级指标专家评分均值均大于3.00分，且变异系数均小于0.25，说明30项三级指标均得到专家认可，尤其是外卖餐饮和网购食品情况两项指标受到专家们的高分评价。在第1轮专家咨询中，专家们对三级指标也提出宝贵建议：一是国内外食品安全通报情况和各国标准限值差异情况设置条件太高，可能存在难以操作的问题，建议将“国内外”修改为“主要国家”；二是企业社会信用信息修改为食品企业信用信息。
(6)指标体系的信度和效度
信度指测量结果的可靠性，信度越小，说明结果的一致性程度偏低。本文采用Alpha信度系数法进行信度检验，两轮问卷调查结果信度检验值分别为0.829、0.838，均处于0.8到0.9之间，根据Alpha数值判断依据可知，量表的信度可接受。
效度指测量的有效性，用以反映评价目的和要求的有效程度。本项目采用因子分析法考察问卷结构是否合适。效度检验中因子分析KMO值分别为0.717、0.861，结果均大于0.7，表明问卷的结构效度良好。
三、层次分析法计算权重
如图1、图2、图3所示，所述递阶层次模型，包括目标层(食品安全风险预测预警指标体系)、准则层(2个一级指标)、子准则层(6个二级指标)和指标层(30个三级指标)。所述指标判断矩阵，包括对每一层的指标进行两两比较，且判断矩阵的阶数与层级指标的数量分别一一对应。所述确定各指标权重分布，包括计算各指标权重向量、最大特征根和检验一致性。
(1)构建递阶层次模型
采用层次分析法分析食品安全风险预警实际问题时，须先把所有的指标进行条理化的分析，从而构建出一个有层次的递阶模型。一般包括目标层、准则层和指标层3个层次，本项目构建的风险预警指标体系为3级4层的多层次模型指标体系，包括目标层、准则层、子准则层和指标层。
(2)构建判断矩阵
判断矩阵是将每一层的元素两两比较，确定相互之间的重要性，具体数值由Saaty教授提出的1～9比较量表决定。按照层次分析法的程序和步骤，从前面咨询专家中选取10名相对资深专家的打分表，得到具体判断矩阵后，分别对一级指标、二级指标、三级指标进行两两相对重要性评分并得到判断矩阵。因指标体系权重运算过程较为繁杂，在此仅列出第一、二级指标之间的判断矩阵关系。下面是其中一位专家(A)对一、二级指标判断矩阵如表6和表7所示。
表6 一级指标的判断矩阵A1
| 评价值 | 抽检指标 | 关联指标 |
| 抽检指标 | 1/1 | 5/1 |
| 关联指标 | 1/5 | 1/1 |
表7 二级指标的判断矩阵A2
(3)权重向量、最大特征根和检验一致性
根据以上专家A对一、二级指标判断矩阵表，利用yaahp V 11.0软件分别求出各矩阵的权重向量以及最大特征根和检验一致性。层次单排序权重确定及一致性检验具体运算步骤及方法如下：
第一步，简化矩阵表。将一级和二级指标矩阵表A1和A2简化为：
第二步，依据公式，计算权重向量、最大特征根和检验一致性。
A1WA1＝λMAXWA1 公式4
A2WA2＝λMAXWA2 公式5
其中，WA1、WA2为权重向量，λMAX为最大特征根，CI为一致性指标，RI为平均随机一致性指标，CR为一致性比率，n代表比较指标数，当CR＜0.1时表明通过一致性检验。同理计算三级指标CR值，结果显示各层指标CR值均＜0.1，说明通过了一致性检验，表明各层指标明确、清晰，各项权重无逻辑错误，符合实际研究要求。
按照上述方法，分别计算出10位专家对一、二、三指标的权重系数，然后计算平均值即为一、二、三级指标的权重系数。其中，一、二级指标最终计算结果如下：
WA1＝[0.769，0.231]，λMAX＝2.000，CR＝0.00
WA2＝[0.3488，0.2178，0.1018，0.1617，0.1283，0.0416]，λMAX＝6.4609，CR＝[0.0732]
组合权重＝一级指标权重W1×二级指标权重W2×三级指标权重W3。最终构建完成食品安全风险预警指标体系及权重分布，见表8。
表8 食品安全风险预警指标体系及权重分布
四、风险预警实证
(1)AHP量化评价指数
在食品安全风险预测预警评价过程中，根据评价指标逐项打分食品安全情况，得到每项分值，然后与该指标所占权重相乘，得到该项评价指标的评价指数值M，最终得到食品安全风险预警等级划分见表9。
表9 食品安全风险预警等级划分
| 区间值 | M＜1.08 | 1.08＜M≤1.60 | 1.60＜M≤2.15 | M＞2.15 |
| 信号灯 | 红色 | 黄色 | 浅黄色 | 绿色 |
| 预警状态 | 重度预警 | 中度预警 | 轻度预警 | 无预警 |
(2)风险预警指数计算
以某市食品安全风险预警为例，基于食品安全抽检大数据和当地食品安全关联信息，按照本发明方法进行风险预警指数计算，见表10。
表10 某市食品安全风险预警应用实例
(3)风险预测预警结果研判
计算结果显示，该市食品安全评价指数值M为2.542，查询表9可判定该预警信号灯颜色为绿色，即表示市域内食品安全处于较高安全状态，风险较低。
在上述实施例中，通过文献分析法和头脑风暴法梳理指标池，借助德尔菲法构建立包含2个一级指标、6个二级指标和30个三级指标的指标体系，再利用层次分析法依次构建递阶层次模型和指标判断矩阵，然后计算各指标权重向量、最大特征根和检验一致性。最终得到了本发明的多尺度关联融合的食品安全风险预测预警方法。
经专家权威度、协调度以及一致性检验和实证等步骤的综合评价，本发明构建的食品安全风险预警指标体系具有较高的权威性和科学性，能够全面准确地反映出食品安全风险程度，可为食品安全潜在风险的早期识别与靶向定位提供科学决策和客观依据。本发明的方法对操作人员的经验和专业知识水平要求低，操作步骤简便、通用性较强，有利于大规模使用，具有很高的应用价值。
Claims (4)
1.一种多尺度关联融合的食品安全风险预测预警方法，其特征在于：采用三级指标体系，利用所述三级指标的权重对食品安全风险进行预测和预警；
所述三级指标体系中，一级指标由抽检指标和关联指标构成；所述抽检指标下所属二级指标由抽检情况和抽检评价两个指标构成，所述关联指标构下所属二级指标由消费关注、安全监管、安全诚信和溯源相关四个指标构成；
所述抽检情况下所属三级指标由大宗食品情况、“老少”食品情况、学校及学校周边情况、农村地区情况、外卖餐饮情况、网购食品情况、非食用物质检出情况和农兽药超标情况八个指标构成；
所述抽检评价下所属三级指标由抽检集中情况、计划完成率、数据质量问题率、核查处置情况和食品安全评价指数五个指标构成；
所述消费关注下所属三级指标由食品安全舆情情况、你点我检类社会共治活动情况、食品安全知识公众认知情况、食品安全状况社会满意度情况、食物变态反应情况、食物中毒情况、其他食源性疾病情况和主要国家食品安全通报情况八个指标构成；
所述安全监管下所属三级指标由食品安全政策与法规发布情况、日常监管动态情况、主要国家标准限值差异情况和食品企业信用信息情况四个指标构成；
所述安全诚信下所属三级指标由投诉举报情况、食品欺诈情况和行政处罚情况三个指标构成；
所述溯源相关下所属三级指标由环境因素情况和动物疾病情况两个指标构成。
2.按照权利要求1所述的食品安全风险预测预警方法，其特征在于：所述一级指标中，所述抽检指标的权重为0.7692，所述关联指标的权重为0.2308。
3.按照权利要求2所述的食品安全风险预测预警方法，其特征在于：所述二级指标的权重如下表所示：
4.按照权利要求3所述的食品安全风险预测预警方法，其特征在于：所述三级指标的权重如下表所示：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210164861.8A CN114511155A (zh) | 2022-02-22 | 2022-02-22 | 一种多尺度关联融合的食品安全风险预测预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210164861.8A CN114511155A (zh) | 2022-02-22 | 2022-02-22 | 一种多尺度关联融合的食品安全风险预测预警方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114511155A true CN114511155A (zh) | 2022-05-17 |
Family
ID=81554225
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210164861.8A Pending CN114511155A (zh) | 2022-02-22 | 2022-02-22 | 一种多尺度关联融合的食品安全风险预测预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114511155A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115375194A (zh) * | 2022-10-24 | 2022-11-22 | 浙江省标准化研究院(金砖国家标准化(浙江)研究中心、浙江省物品编码中心) | 风险预警方法、装置、电子设备及存储介质 |
-
2022
- 2022-02-22 CN CN202210164861.8A patent/CN114511155A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115375194A (zh) * | 2022-10-24 | 2022-11-22 | 浙江省标准化研究院(金砖国家标准化(浙江)研究中心、浙江省物品编码中心) | 风险预警方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Peng et al. | Investment risk evaluation for new energy resources: An integrated decision support model based on regret theory and ELECTRE III | |
| CN104050571A (zh) | 一种高效筛选供应商的方法 | |
| Cong et al. | The early warning system for determining the “not in My Back Yard” of heavy pollution projects based on public perception | |
| CN113762764A (zh) | 一种进口食品安全风险自动分级与预警系统及方法 | |
| Chai et al. | Safety evaluation of urban rail transit operation considering uncertainty and risk preference: A case study in China | |
| CN118014348A (zh) | 一种基于取水户画像图谱的取用水管理风险评估的方法 | |
| CN114511155A (zh) | 一种多尺度关联融合的食品安全风险预测预警方法 | |
| Huang | [Retracted] Construction and Analysis of Green Investment Risk Evaluation Index System Based on Information Entropy Fuzzy Hierarchical Analysis Model | |
| CN112801544A (zh) | 一种公路数字化管理绩效评价方法及系统 | |
| Yao et al. | Where should China's thermal power industry prioritize its B&R investment? A study based on an environmental site selection analysis | |
| Gao et al. | The Portfolio Balanced Risk Index Model and Analysis of Examples of Large‐Scale Infrastructure Project | |
| Guan et al. | Design and application of university laboratory safety evaluation system based on fuzzy analytic hierarchy process and back propagation neural network | |
| Shengyang et al. | [Retracted] Construction and Analysis of Urban Motor Vehicle Drivers’ Traffic Literacy Evaluation Model Based on Zhengzhou City’s Survey Data | |
| Heichel et al. | Research design, variables and data | |
| Peng et al. | Research on risk assessment of railway freight station based on nonlinear combination of ahp-entropy | |
| CN114912734A (zh) | 一种传染病公共卫生事件应急健康传播性能的评估系统 | |
| Chang et al. | Pre‐Evaluation of Industrialization Project of Local Science and Technology Achievements Based on FAHP | |
| Wang et al. | A Model for Evaluating the Efficiency of Government Functional Departments based on VFT-AHP Data Analysis | |
| Wang et al. | The Evaluation Study of Customer Satisfaction Based on Gray-AHP Method for B2C Electronic-Commerce Enterprise. | |
| Sun et al. | The literature review of food supply chain risk assessment | |
| CN115222191A (zh) | 一种小型水库标准化运行管理评价方法 | |
| Zhang et al. | A Study on the Application of Grey Correlation Analysis in Reconstructing the Relationship Between Journalism and Organisational Culture Under the Public Management Model | |
| Qiu et al. | Research on the overall expenditure performance evaluation index system of HZ school in Dongguan | |
| Song et al. | An Approach of Vehicle Defects Assessment upon Multi-source Data | |
| Gao | Study on food safety regulatory evaluation in China |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |