食品安全风险过程控制的贝叶斯统计与知识发现

论文摘要

食品安全已成为世界范围内广泛关注的问题,理想的食品质量控制模式是“从农田到餐桌”的全过程质量控制。食品安全追溯系统提供了“从农田到餐桌”的追溯模式,建立了食品安全信息数据库。应用食品安全追溯系统,一旦发现问题,能够通过溯源进行有效的控制和召回,从源头上保障消费者的合法权益。但这依然是一种事后控制,并不能进行食品安全风险预警与控制。本文利用食品安全追溯系统各管理过程的抽样、检验以及有关的监控数据,提取影响食品安全风险因素,获取因素变化取值,建立基于贝叶斯网络的知识表示与知识推理模型,以达到食品安全风险的预测、预警与控制。由于食品链中涉及的食品原料、加工、包装、储藏、运输、销售、消费等环节都会对最终食品的安全性造成影响,本文选取各环节的安全状况作为节点变量,变量的安全状况依赖于不同的危害后果严重程度与可能性。通过由危害后果严重程度与可能性定义的食品安全潜在风险,赋予各环节随机变量的取值,获取相关样本,在此基础上,建立贝叶斯网络结构,并依据网络中各节点条件概率分布的先验信息及获取的样本信息,应用贝叶斯估计方法进行网络参数的估计与更新学习,在食品安全各环节潜在风险程度的影响下,实现原因推理原因、原因推理结果、结果诊断原因的风险知识推理。进一步地,对已建立的食品安全风险推理的贝叶斯网络,针对贝叶斯网络知识推理的计算过程复杂与耗时问题,进行简化知识推理研究,在软件Matlab辅助推理下,论证了具有更高效率的简化知识推理的实现过程。本文建立的基于贝叶斯网络食品安全风险知识推理模型,可以通过食品安全追溯系统各环节的原始数据,预测相应环节的潜在风险,通过环节与环节的潜在风险,实现任意食品生产环节潜在风险与食品安全风险的推理与诊断,当食品安全风险推理结果达到某阈值时,进行预警并对影响环节与原因进行逆推理,达到控制或避免风险的出现。经数据检验表明:模型的正确推理识别率达到93%。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 研究内容和方法
• 1.3 本文的组织架构
• 第二章 贝叶斯网络与知识发现理论概述
• 2.1 知识发现概述
• 2.1.1 知识发现的概念及过程
• 2.1.2 知识发现的任务和方法
• 2.2 贝叶斯网络概述
• 2.2.1 贝叶斯统计
• 2.2.2 概率论与图论基础知识
• 2.2.3 贝叶斯网的概念
• 2.2.4 贝叶斯网络的建立
• 2.2.5 贝叶斯网络的推理
• 2.2.6 基于贝叶斯网络进行知识发现的过程
• 2.3 本章小结
• 第三章 食品安全风险评估及追溯系统概述
• 3.1 食品安全风险评估
• 3.2 食品安全追溯系统
• 3.3 本章小结
• 第四章 单个指标的潜在风险评估
• 4.1 风险与潜在风险
• 4.2 抽样检验指标的潜在风险
• 4.2.1 计量型抽样检验指标的潜在风险
• 4.2.2 计数型抽样检验指标的潜在风险
• 4.3 监测指标的潜在风险
• 4.4 本章小结
• 第五章 基于贝叶斯网络知识推理的食品安全风险预测和控制
• 5.1 食品安全风险知识推理与预警模型的选取
• 5.2 贝叶斯网络模型的建立
• 5.2.1 模型结构的建立
• 5.2.2 节点变量的取值及计算
• 5.3 从追溯系统中提取数据、获取模型学习样本
• 5.4 贝叶斯网络模型的参数学习及推理
• 5.4.1 先验知识
• 5.4.2 参数学习
• 5.4.3 基于贝叶斯网络推理进行食品安全风险预测和诊断
• 5.4.4 推理正确率评估
• 5.5 推理问题简化方法效率研究
• 5.5.1 使用MATLAB实现推理的简化算法简述
• 5.5.2 推理时间计算
• 5.5.3 推理效率研究
• 5.6 本章小结
• 结论
• 参考文献
• inference.m'>附录1 推理问题简化方法的MATLAB程序simplify_inference.m
• 攻读硕士学位期间取得的研究成果
• 致谢
• 附件