大數據挖掘在食品安全風險預警領域的應用

劉少楠

隨著云計算、物聯網等技術的迅猛發展，大數據作為經濟增長新動能的作用正在日益凸顯。食品行業作為經濟發展結構中的關鍵構成部分，其安全也直接決定著經濟的進步。將大數據挖掘使用到食品安全風險預警中，能夠對一些存在的隱患進行預防與控制，進而提升食品安全性，保障人民群眾身體健康。

大數據在食品安全風險預警中的作用

在當前這種大數據時代中，數據存在的顆粒度、維度以及規模等成為評論數據價值最關鍵的特征，數據存在的顆粒度能夠對數據精細化程度進行反映。就單個食品而言，單一性的檢測指標是很難以將食品質量全部情況進行反映的。例如之前發生的三聚氰胺事件，這個事件就反映出了我國在食品檢測方式上的不足，所以加大食品檢測數據的科學性，能夠為食品安全提供更加準確的信息。而數據維度就是指數據來源豐富程度，在信息時代中，食品安全數據不能夠只是限制在企業與監管部門中，還應該通過計算機網絡和媒體報道來為食品安全檢測與預警提供更多數據來源。這些途徑能夠為食品質量提供最及時與客觀的反饋，一些食品問題在加工、運輸以及銷售中難以產生和被發現，但是到達消費者手中時才會被揭露，所以市面上大部分食品安全問題是由消費者自己舉報，在被媒體大肆報道之后才引起了相關部門的重視。因此，網絡與媒體也在一定程度上為食品數據提供了活性，讓食品數據更加可靠與真實。

大數據挖掘在食品安全風險預警領域的應用

大數據挖掘就是在大數據中挖掘知識，進而在基礎性模型上對收集的數據進總結和處理，進而達到需要的目的。常見的數據挖掘有貝葉斯網絡、決策樹以及人工神經網絡等。

貝葉斯網絡的運用。貝葉斯網絡為一種不確定性的表示形式，實際也是一個賦值的復雜因果關系網絡。將其使用在食品行業中，能夠對食品產品進行設計。比如在對食品貝葉斯網絡進行建設的時候，假若獲知廣大人民群眾普遍喜愛的甜食品，在樣本中也存在又甜又同樣受到歡迎的食品，則貝葉斯網絡就能夠將這個食品的顏色進行推理，進而判斷出其對受歡迎程度的影響。貝葉斯網絡模型能夠在風險評估中進行運用，將其使用在食品供應鏈風險的概率估算中可以獲得很好的效果。經過對食品供應鏈中物流、信息流以及財流等相關的風險因素進行裁剪，進而對初期發生的食品安全事件進行分析，在此基礎上建設貝葉斯網絡模型對風險進行評價，以此做出相應的預警工作。因為食品供應鏈不同的初始事件在反響方面有很大不同，事件發展過程中的實際情況以及結果也不同。所以通過獲得貝葉斯網絡中每項節點關系的條件概率數值，然后再進行聯合概率的計算，這樣就能夠獲得食品風險值。

決策樹和人工精神網絡的應用。決策樹是一種運用較為廣泛的歸納性推算方式，能夠應該接近離散值函數的方式，以此優先選用較小的“樹”。決策樹分析方式是以樹狀的邏輯思維模式解決難度高的決策問題，這也是風險分析最為堅實的依據。將其使用在食品安全評估中，能夠針對影響農產品質量安全的數據特點，綜合降維方式對數據進行預處理，進而將影響質量安全的關鍵特征數值找出來。在此基礎上，建設基于組合優化決策樹的農產品質量安全評估模型。在這其中主要是選用地下水含金屬量、土壤的酸堿值，以及種植規模等這些影響農產品的因素，并將其當做決策樹的屬性，把數據樣本分類為訓練集、測試集。把測試集中獲取的數據樣本輸入到決策樹模型中，計算出相關的數值，進而判斷決策樹方式是否能夠對農產品質量安全風險進行有效評估。除此之外，人工精神網絡也能被使用在食品安全中，其能夠對大米直鏈淀粉的含量進行預測，還能夠篩選影響食品檢測結果的多種維度。例如污染、藥物殘留以及致病菌等等，然后對該食品中存在的風險值進行估算。

信息和數據時代的發展讓各個行業都能在精準數據資料上得以健康發展，將大數據挖掘的方式使用在食品安全風險預警中，能夠對食品的生產、運輸到銷售整個過程進行數據信息收集。然后在數據挖掘處理模型中對食品數據進行分析處理，進而獲取精準風險值，在堅實可靠的數據信息上保障食品安全。endprint