基于神經(jīng)網(wǎng)絡(luò)的食品安全評價模型構(gòu)建研究

蔡 強， 王君君， 李海生， 毛典輝

（北京工商大學(xué)計算機與信息工程學(xué)院，北京 100048）

基于神經(jīng)網(wǎng)絡(luò)的食品安全評價模型構(gòu)建研究

蔡 強， 王君君， 李海生， 毛典輝

（北京工商大學(xué)計算機與信息工程學(xué)院，北京 100048）

食品安全評價模型的準(zhǔn)確度高低，直接影響食品安全狀況評價、預(yù)測的準(zhǔn)確率.結(jié)合危害分析與關(guān)鍵控制點的（HACCP）食品安全管理體系理論，從食品供應(yīng)鏈的角度出發(fā)，建立食品安全評價指標(biāo)體系；使用層次分析法（AHP）改進逆向傳播（BP）神經(jīng)網(wǎng)絡(luò)算法中隨機初始化計算權(quán)重的方法，訓(xùn)練樣本數(shù)據(jù)，并以測試數(shù)據(jù)作為驗證，檢測模型的誤差收斂速度和擬合度.結(jié)果表明，這種BP神經(jīng)網(wǎng)絡(luò)結(jié)合AHP方法構(gòu)建的模型具有實用、精度高、快速、客觀等優(yōu)點，可用于生產(chǎn)、加工、銷售等流通環(huán)節(jié)食品安全評價、區(qū)域食品安全評價以及種類食品安全評價.

食品安全；神經(jīng)網(wǎng)絡(luò)；權(quán)重計算；評價模型

近年來，食品安全事件頻發(fā)，食品安全狀況成為人們最關(guān)心的話題.食品安全評價體系作為食品安全研究的重要內(nèi)容，國內(nèi)外研究者從食品安全管理技術(shù)角度、地域性食品安全評價、消費者行為食品安全評價等方面已經(jīng)做了大量工作［1-2］.評價方法主要依據(jù)食品安全分類、德爾菲、模糊聚類等技術(shù)，但是這些評價方法難以客觀、全面、統(tǒng)一估價食品安全狀況.本文將基于神經(jīng)網(wǎng)絡(luò)，結(jié)合危害分析與關(guān)鍵控制點（hazard analysis critical control point，HACCP）的食品安全管理體系理論，以食品供應(yīng)鏈為主線，貫穿食品質(zhì)量安全，最終建立食品安全評價體系指標(biāo)及模型，旨在準(zhǔn)確測出食品安全狀況，為食品安全預(yù)測預(yù)警提供有效依據(jù).食品安全風(fēng)險因素，從食品供應(yīng)鏈角度劃分，主要包含生產(chǎn)、加工、貯藏、流通、消費等各個環(huán)節(jié)［3］，這些環(huán)節(jié)決定了評價指標(biāo)的設(shè)計主線.

1 食品安全評價指標(biāo)設(shè)計

食品安全包括食品數(shù)量安全、質(zhì)量安全、可持續(xù)安全，同時食品質(zhì)量安全、可持續(xù)安全是食品安全的最終目標(biāo).如果沒有質(zhì)量安全，數(shù)量安全亦是無效，可持續(xù)安全更無法保障［4］.并且由于自然、經(jīng)濟、社會等各種復(fù)雜因素互相作用，致使食品安全呈動態(tài)的、不確定的變化，風(fēng)險因素和風(fēng)險程度不盡相同.食品安全內(nèi)容和目標(biāo)的差異化，導(dǎo)致食品安全評價指標(biāo)建立的難度增加［5］，食品安全影響因素呈定量、定性交錯變化.

1.1 食品安全評價方法

從食品安全評價涉及的領(lǐng)域角度分析［6］，食品安全評價方法主要分為模型分析法、指數(shù)分析法、危害分析法以及檢測分析法幾類.

1）模型分析法.主要運用統(tǒng)計、計量等方法建立數(shù)學(xué)模型，模擬數(shù)據(jù)并做出評價.如神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)、模糊聚類等，根據(jù)模型相關(guān)算法，調(diào)整函數(shù)以及參數(shù)，其特點是將數(shù)據(jù)轉(zhuǎn)化為概率發(fā)生大小的問題.

2）指數(shù)分析法.確定影響食品安全狀況的影響因子，篩選出能夠評價食品安全狀況的指標(biāo)，建立綜合評價指標(biāo)模型，對所需問題評價.關(guān)鍵步驟是合理分析指標(biāo)并進行分類，建立指數(shù)同時確定可信權(quán)數(shù).但是建立模型的指數(shù)方法大多為線性，對復(fù)雜問題的不確定性難以解釋，具有片面性.

3）危害分析法.主要運用HACCP控制理論對食品生產(chǎn)全過程進行危害點分析，查找關(guān)鍵控制點，降低危害因素影響度，并采取應(yīng)急措施.HACCP最早是在20世紀(jì)50年代末，由美國航空航天局與美國皮爾斯伯利公司建立，因為此體系簡便、實用、科學(xué)，已經(jīng)被世界各國廣泛采用，關(guān)鍵之處是識別食品危害點，因此HACCP必須建立在食品安全項目的基礎(chǔ)之上運行［6］.

1.2 食品安全評價指標(biāo)體系建立

食品安全綜合評價指標(biāo)具有明顯層次結(jié)構(gòu)，借鑒國內(nèi)外食品安全研究現(xiàn)狀、食品安全與食品供應(yīng)鏈關(guān)系的相關(guān)文獻［3，7-8］，確定從食品供應(yīng)鏈的角度建立評價指標(biāo)體系，如表1.目標(biāo)層E代表區(qū)域型食品安全狀況、環(huán)節(jié)食品安全狀況或者種類食品安全的水平狀況，作為衡量食品安全的綜合水平指標(biāo)；準(zhǔn)則層/一級評價指標(biāo)Ek，使用HACCP控制理論，從原產(chǎn)地到餐桌的基于供應(yīng)鏈的關(guān)鍵控制點排序建立［9］；基礎(chǔ)指標(biāo)Eij依據(jù)隸屬于上層指標(biāo)的環(huán)境、化學(xué)污染、農(nóng)藥殘留、細菌殘留、重金屬殘留以及監(jiān)測部門安全管理水平等［4］，最能直接表現(xiàn)食品安全問題的影響因子建立.

表1 食品安全評價指標(biāo)體系Tab.1 Evaluation index of food safety

2 基于AHP的網(wǎng)絡(luò)模型初始化權(quán)重計算

在訓(xùn)練神經(jīng)網(wǎng)絡(luò)，輸入變量之前，網(wǎng)絡(luò)權(quán)重闌值必須初始化，當(dāng)使用MATLAB神經(jīng)網(wǎng)絡(luò)工具nntool工具箱中newff函數(shù)建立網(wǎng)絡(luò)net時，網(wǎng)絡(luò)自動初始化權(quán)值和闌值.初始化過程中，通過設(shè)置net.initFcn來初始化方法參數(shù).這里我們對初始化過程加以改進，摒棄了Nguyen-Widrow算法隨機初始化權(quán)值和闌值的不客觀、不準(zhǔn)確性以及因相關(guān)性較大易導(dǎo)致網(wǎng)絡(luò)學(xué)習(xí)中互相干擾的不足，采用指標(biāo)權(quán)重確定方法［10］，層次分析法（analytic hierarchy process，AHP）［11］計算食品安全評價指標(biāo)權(quán)重.

2.1 成對比較矩陣建立

AHP是一種定量與定性相結(jié)合的、系統(tǒng)化的、層次化的分析方法，由Saaty［12］于20世紀(jì)70年代初期提出.此方法通過對系統(tǒng)多個因素的分析，劃出各影響因子之間的層次排序；再根據(jù)層內(nèi)各因子的相對重要性程度，量化表示；然后建立數(shù)學(xué)模型，計算出每層各個因素的相對重要性權(quán)值.對于權(quán)值計算，我們首先要建立成對比較矩陣，確定下層各元素指標(biāo)相對上層指標(biāo)的重要性程度，應(yīng)用權(quán)重量化指標(biāo)的比重.現(xiàn)假設(shè)有n（n＞0）個指標(biāo)元素，且用E= （eij）n×n表示成對比較矩陣，使用eij描述第i個元素與第j個元素相對上一層父親元素的重要性，構(gòu)造矩陣E.

式（1）中，1≤eij≤9，eii=1，eji=1/eij，根據(jù)標(biāo)度尺［13］，計算出矩陣中各元素相對上層元素的重要程度向量，即完成對權(quán)重計算，這里采用根式計算方法：

2.2 一致性檢驗及權(quán)重計算

使用AHP方法計算出等價矩陣權(quán)重W之后；根據(jù)數(shù)理統(tǒng)計理論，對成對可比較矩陣進行一致性檢驗，以確定AHP方法設(shè)計的合理性，一致性檢驗指標(biāo)PCI

式（3）中λmax為矩陣最大特征值的近似值，N為評價指標(biāo)個數(shù)，計算出PCI值，然后使用

進行一致性檢驗（其中，ε為滿足一致性要求所允許的最大值，一般根據(jù)具體情況來確定，k為迭代次數(shù)），若滿足檢驗要求，計算停止，w（k）即為所求權(quán)重；否則根據(jù)修正判斷系數(shù)，直到權(quán)重計算完成，停止.

3 評價模型設(shè)計

經(jīng)過統(tǒng)計分析，觀察指標(biāo)對應(yīng)數(shù)據(jù)樣本值發(fā)現(xiàn)，食品安全在不同時期存在不同問題.各種指標(biāo)受到環(huán)境、經(jīng)濟、農(nóng)業(yè)狀況以及社會等各種不確定因素影響.指標(biāo)值的變化映射了不同時期、不同地點食品安全的綜合狀況.此外食品安全的評價評估能為食品安全管理部門提供決策性的依據(jù)，具有重要意義.目前國內(nèi)外對于安全評價的研究，在統(tǒng)計方法運用方面主要有單變量分析法，多元判別分析法，Logistic回歸模型以及類神經(jīng)網(wǎng)絡(luò)模型.對于模型的設(shè)計，我們應(yīng)用當(dāng)前比較流行的計算軟件MATLAB中的神經(jīng)網(wǎng)絡(luò)工具箱作為實現(xiàn)平臺，建立基于BP神經(jīng)網(wǎng)絡(luò)的食品安全評價模型，并測試驗證準(zhǔn)確率.

3.1 網(wǎng)絡(luò)輸入輸出確定

BP網(wǎng)絡(luò)作為有監(jiān)督學(xué)習(xí)算法，訓(xùn)練過程首要步驟即是確定輸入向量和期望響應(yīng).食品安全評價模型輸入向量即食品安全評價指標(biāo)，期望響應(yīng)即食品安全狀況評價預(yù)測結(jié)果；必要條件即樣本量充足，樣本數(shù)據(jù)來自歷年中國統(tǒng)計年鑒（2007—2009），以及食品監(jiān)督檢驗部門日常檢測數(shù)據(jù)，具有一定可靠性和權(quán)威性.訓(xùn)練過程通過提供的輸入向量和期望響應(yīng)，對網(wǎng)絡(luò)的權(quán)值和偏差進行調(diào)整，最終實現(xiàn)期望效果.在訓(xùn)練樣本與測試樣本選取的時候，要避免過擬合.過擬合是指當(dāng)模型輸入分別為訓(xùn)練樣本和測試樣本時，準(zhǔn)確率不一致甚至偏差嚴(yán)重的現(xiàn)象.例如，在訓(xùn)練樣本作為輸入，模型取得較高的準(zhǔn)確率時，會出現(xiàn)測試樣本作為輸入，準(zhǔn)確率較低的現(xiàn)象［14］.為解決此問題本文在考慮樣本模式平衡的前提下，將樣本數(shù)據(jù)采用隨機分配法按比例分為訓(xùn)練、測試樣本.其中，訓(xùn)練樣本的輸入向量和目標(biāo)期望響應(yīng)值，作為模型構(gòu)建中的訓(xùn)練部分；測試的樣本輸入向量和目標(biāo)期望響應(yīng)，作為模型的評價與驗證.

3.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)通常具有數(shù)據(jù)輸入層，一個或多個sigmoid隱層以及輸出層.結(jié)構(gòu)的核心設(shè)計部分是在訓(xùn)練過程中網(wǎng)絡(luò)權(quán)值和偏差調(diào)整時，梯度向量的選擇以及梯度方向的選擇［15］.標(biāo)準(zhǔn)BP算法是一種簡單的快速下降靜態(tài)尋優(yōu)算法.梯度下降法在調(diào)整權(quán)值修正第任意K次權(quán)值迭代誤差時，僅僅按照當(dāng)前時刻的負梯度方向進行調(diào)整，并未考慮已運算各步驟中的梯度方向，因此迭代過程受新樣本影響過大，通常導(dǎo)致訓(xùn)練過程的調(diào)整方向不均衡震蕩、收斂速度慢以及預(yù)測精度較低等問題［16］.為了解決此問題，我們采用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，動量梯度下降法作為基本訓(xùn)練算法，并改進初始化網(wǎng)絡(luò)中權(quán)重參數(shù)選擇方法，建立改進型的BP神經(jīng)網(wǎng)絡(luò)評價預(yù)測模型.

經(jīng)過對單隱層與雙隱層的神經(jīng)網(wǎng)絡(luò)評價模型的評價結(jié)果的對比發(fā)現(xiàn)雙隱層訓(xùn)練次數(shù)與誤差相對較低（見表2）.因此設(shè)計采用一個輸入層、兩個隱含層和一個輸出層的3個神經(jīng)元層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu).

表2 網(wǎng)絡(luò)結(jié)構(gòu)比較Tab.2 Network structure comparison

1）輸入層節(jié)點.輸入層即樣本數(shù)據(jù)導(dǎo)入，作為網(wǎng)絡(luò)結(jié)構(gòu)的輸入變量，相當(dāng)于一個待分析的樣本數(shù)據(jù)庫.節(jié)點個數(shù)根據(jù)影響因子確定.對于食品安全狀況等級判斷有顯著影響的指標(biāo)如表1，共有21個，決定了輸入節(jié)點的輸入變量共21個，并依據(jù)產(chǎn)品類型浮動調(diào)整輸入變量個數(shù).

2）輸出層節(jié)點.輸出層即食品安全狀況等級的數(shù)據(jù)表示，本論文參照五點尺度量評定法（five-point rating scale），采取“利克特量表”（likert scale）［3］，構(gòu)建食品安全狀況等級的數(shù)據(jù)表.具體情況見食品安全等級劃分表（表3）.

表3 食品安全等級劃分Tab.3 Food safety hierarchy

3）傳遞函數(shù).隱含層的傳遞函數(shù)為log-sigmoid型函數(shù)logsig，因為網(wǎng)絡(luò)輸出的值域限制在［0，1］，故輸出層也采用S型的sigmoid函數(shù)，輸出［0，1］間的連續(xù)值，輸出值按照表3歸類判斷.輸出值在［0，0.2］，說明食品安全狀況良好；在［0.2，0.5］，說明食品安全受到影響；在［0.5，1］，說明食品安全受到威脅.

BP神經(jīng)網(wǎng)絡(luò)又稱為誤差反向傳播（back propagation）神經(jīng)網(wǎng)絡(luò)，誤差與信號反向傳播.誤差從后向傳播，反向傳播過程中，逐層修改權(quán)值和偏差.反向傳播和誤差調(diào)整過程依次為隱層與輸出層之間、隱層與隱層之間以及輸入層與隱層之間的權(quán)值調(diào)整3個步驟.其中BP迭代計算公式可以表示為：

式（5）中，Xk，X（k+1）分別表示當(dāng)次以及下次迭代產(chǎn)生的權(quán)值與偏差，ak表示當(dāng)前誤差函數(shù)梯度，gk表示學(xué)習(xí)效率.

對公式（5）衍生得到動量梯度下降算法權(quán)值迭代公式：

式（6）中，Dk，D（k-1）分別表示k和k-1時刻的負梯度，η表示學(xué)習(xí)步長，α表示負梯度的權(quán)重參數(shù).

因為，BP算法中權(quán)值調(diào)整量和輸出的關(guān)系與期望響應(yīng)的誤差能量對權(quán)值的偏導(dǎo)，大小成正比關(guān)系，符號反向.因此通過計算權(quán)值偏導(dǎo)，將傳遞函數(shù)，局部梯度值代入公式（6）即可計算出權(quán)值調(diào)整量和輸出的關(guān)系，分別迭代實現(xiàn)隱層與輸出層之間、隱層與隱層之間以及輸入層與隱層之間的權(quán)值調(diào)整，當(dāng)達到預(yù)期誤差水準(zhǔn)，誤差曲線平穩(wěn)收斂時停止，迭代結(jié)束.

4 實例分析

依據(jù)食品安全綜合評價指標(biāo)的建立以及評價模型的設(shè)計，對原始樣本數(shù)據(jù)報表進行量化處理，計算指標(biāo)值以及確定指標(biāo)權(quán)重.并對數(shù)據(jù)源做簡單處理，略去被檢驗單位、廠家等復(fù)合屬性以及形狀、色澤等與食品安全關(guān)系并不密切的屬性，部分樣本數(shù)據(jù)如表4.

表4 食品安全監(jiān)測數(shù)據(jù)Tab.4 Food safety inspection data report

表4中日常檢測數(shù)據(jù)按指標(biāo)類型劃分，主要分為重金屬污染、農(nóng)藥殘留、化學(xué)殘留、微生物污染等危害食品安全的因素，以及標(biāo)簽完善度檢驗、形狀、色澤等感官檢驗.因此按檢驗項目類型從影響食品安全的因素對樣本集簡化，結(jié)合年鑒統(tǒng)計數(shù)據(jù)歸類成指標(biāo)數(shù)據(jù)，并依據(jù)2.1小節(jié)中層次分析法理論計算指標(biāo)權(quán)重，首先確定各個一級評價指標(biāo)E1，E2，E3，E4，E5，E6對目標(biāo)層綜合評價指標(biāo)E的重要程度關(guān)系，根據(jù)式（1）建立一級指標(biāo)的6-6成對比較矩陣，元素值用eij描述，表示指標(biāo)Ei與Ej相對上層指標(biāo)的重要性，例如矩陣中指標(biāo)E1和E2，E1和E3與E4和E5的比較關(guān)系：e12=E1∶E2=1/2，e13=E1∶E3= 3，e45=E4∶E5=2/6.同理分別計算出矩陣中主對角線上側(cè)各個元素值eij，對于主對角線下側(cè)部分利用eij=1/eji計算得出，主對角線元素的物理意義指自身相對自身的重要程度，因此確定為1.矩陣元素確定后，根據(jù)公式（2）分別計算對應(yīng)權(quán)值，并得出一級評價指標(biāo)層 Ei的權(quán)向量，權(quán)向量用 W（1）表示，表示一級指標(biāo)層Ei相對目標(biāo)層E的權(quán)重，r=1，2，…6.同理得出二級評價指標(biāo)層相對一級評價指標(biāo)層的權(quán)重，例如第一環(huán)節(jié)，原產(chǎn)地環(huán)境指數(shù)的權(quán)重，表示第一環(huán)節(jié)中二級指標(biāo)相對一級指標(biāo)的權(quán)重，m=1，2，3.同理得出后續(xù)環(huán)節(jié)權(quán)重值，然后按照一致性檢驗章節(jié)公式（3）和（4）進行一致性檢驗，獲得食品安全評價指標(biāo)體系權(quán)值.按照以上方法計算得出指標(biāo)體系權(quán)重值的結(jié)果，如表5.

從表5可以看出，食品安全供應(yīng)鏈上，生產(chǎn)、加工、銷售、貯藏環(huán)節(jié)中的農(nóng)藥殘留、重金屬殘留、微生物污染、化學(xué)污染等對食品安全影響占較大比重，并且很大程度上受環(huán)境衛(wèi)生的影響，不同維度，構(gòu)成不同的指標(biāo)影響度.我們對基于AHP的權(quán)重計算方法與Nguyen-Widrow算法對網(wǎng)絡(luò)權(quán)值初始化對比發(fā)現(xiàn)，如圖1，兩次構(gòu)建網(wǎng)絡(luò)時，初始化指標(biāo)輸入層的權(quán)重分布圖，利用Nguyen-Widrow算法計算所得權(quán)值，雖基本覆蓋了整個樣本輸入空間，但權(quán)值分布比較分散，并沒有呈現(xiàn)各指標(biāo)的重要性程度關(guān)系.而采用的AHP權(quán)重計算方法如圖2，利用定量與定性結(jié)合的層次分析優(yōu)勢，比較客觀地，根據(jù)各環(huán)節(jié)指標(biāo)的影響度大小得出相應(yīng)權(quán)值，權(quán)值圍繞上層指標(biāo)規(guī)則排列.網(wǎng)絡(luò)初始化后，對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，用sim（）函數(shù)仿真，最后驗證測試評價結(jié)果，分析訓(xùn)練結(jié)果.

表5 食品安全評價指標(biāo)權(quán)重值Tab.5 Weight of food safety evaluation index

圖1 Nguyen-Widrow初始化網(wǎng)絡(luò)的權(quán)重分布Fig.1 Initializing weights of network distribution by Nguyem-Widrow algorithm

圖2 AHP初始化網(wǎng)絡(luò)的權(quán)重分布Fig.2 Initializing weights of network distribution by AHP

圖3和圖4中使用MATLAB 7.0神經(jīng)網(wǎng)絡(luò)工具箱，動量梯度下降反向傳播算法中的訓(xùn)練函數(shù)實現(xiàn)，其中縱坐標(biāo)均為參數(shù)的誤差級別，橫坐標(biāo)表示訓(xùn)練過程中向前迭代的n次迭代步數(shù)；曲線描述誤差性能走勢，直線為期望誤差目標(biāo)；訓(xùn)練過程采用同樣的樣本訓(xùn)練集與測試集，不同的是圖3中采用BP神經(jīng)網(wǎng)絡(luò)默認初始化算法Nguyen-Widrow，未改進網(wǎng)絡(luò)模型的初始化權(quán)重值.此外，從圖3中可觀察得出曲線在達到最大步長時，仍未達到目標(biāo)期望誤差.而本文通過AHP改進的神經(jīng)網(wǎng)絡(luò)模型權(quán)值初始化方法設(shè)計的神經(jīng)網(wǎng)絡(luò)模型如圖4，使用AHP初始化權(quán)重后，在將近100迭代步時已經(jīng)以1/2的速率快速接近，按照預(yù)期誤差水準(zhǔn)1e-4經(jīng)過350次左右迭代，達到了期望的誤差目標(biāo).

圖3 原始的帶動量梯度下降算法的BP網(wǎng)絡(luò)誤差性能變化Fig.3 Original traingdm algorithm of BP network deviation performance

圖4 改進后帶動量梯度下降算法的BP網(wǎng)絡(luò)誤差性能變化Fig.4 Improved traingdm algorithm of BP network deviation performance

5 結(jié)論及展望

食品的安全狀況因為受到自然環(huán)境、加工衛(wèi)生環(huán)境、農(nóng)業(yè)以及檢測檢驗值的準(zhǔn)確性等多重影響，安全評價的結(jié)果往往與預(yù)想的結(jié)果差距較大，利用改進的神經(jīng)網(wǎng)絡(luò)進行信息處理，并對食品安全狀況評價、評估是本課題研究的重要內(nèi)容.本文運用層次分析法對指標(biāo)數(shù)據(jù)的權(quán)重進行預(yù)處理優(yōu)化，大大減少了建模過程的計算時間以及誤差偏移量，提高了評價結(jié)果的準(zhǔn)確率.

結(jié)合基于供應(yīng)鏈的種類食品安全評價體系，通過改進型神經(jīng)網(wǎng)絡(luò)構(gòu)建了食品安全評價預(yù)測模型，實驗結(jié)果表明評價的準(zhǔn)確率達到了預(yù)期目標(biāo)，方案是可行的，解決了傳統(tǒng)評價模型過度依賴主觀性、自學(xué)習(xí)能力差等缺點，充分利用了神經(jīng)網(wǎng)絡(luò)推廣性、容錯性強等優(yōu)點，有效地提高了食品安全評價的準(zhǔn)確性.但是，測試樣本集與訓(xùn)練樣本集的選擇、信息的完善度對評價模型建模結(jié)果的影響有待進一步探討研究.

［1］ Gorris LG M.Food safety objective：an integral part of food chainmanagement［J］.Food Control，2005，16：801 -809.

［2］ Karl Ropkins，Beck A J.Evaluation ofworldwide approaches to the use of HACCP to control food safety［J］. Trends in Food Science&Technology，2000（11）：10-21.

［3］ 肖靜.基于供應(yīng)鏈的食品安全保障研究［D］.長春：吉林大學(xué)，2009.

［4］ 肖玫，袁界平，陳連勇.食品安全的影響因素與保障措施探討［J］.農(nóng)業(yè)工程學(xué)報，2007，23（2）：286-289.

［5］ 陳輝.食品安全概論［M］.北京：中國輕工業(yè)出版社，2011：35-199.

［6］ 都偉東，石玉月，田巍.國內(nèi)外食品安全評價綜述［J］.食品工程，2007（2）：3-5.

［7］ Zhu Ming，Liu Hengjiang.Study on evaluation index model and hierarchicalmanagementof food safety［R］.Shanghai：ShanghaiMunicipal Bureau of Quality and Technical Supervision，2009.

［8］ 張慶英，馬楓，范海芹，等.基于J2EE和XML的食品安全數(shù)據(jù)系統(tǒng)設(shè)計［J］.東南大學(xué)學(xué)報：自然科學(xué)版，2007（Z2）：431-433.

［9］ 毛薇，張慧，崔劍，等.基于供應(yīng)鏈的食品安全評價指標(biāo)體系構(gòu)建的研究——以浙江省為例：中國，2010C35046［P］.2012-06-14.

［10］ 劉磚勛.食品安全綜合評價指標(biāo)體系的灰關(guān)聯(lián)分析［J］.華北水利水電學(xué)院學(xué)報，2007，28（4）：100-103.

［11］ Zhang Yan，Zhang Hong，Gao Xiang，et al.Improved AHPmethod and its appliacation in lake environmental comprehensive quality evaluation—a case study of Xuanwu Lake，Nanjing，China［J］.Chinese Journal of Oceanology and Limnology，2007，25（4）：427-433.

［12］ Saaty T L.A scalingmethod for priorities in hierarchical structures［J］.JMath&Psych.，1977，15（3）：234-281.

［13］ He Yong，Ge Xiaofeng，Chen Lineng，et al.Improved AHPmethod and itsapplication in the evaluation of agriculturalmechanization［J］.Journal of Systems Science and Systems Engineering，2001，10（4）：403-408.

［14］ 楊月華，杜軍平.基于神經(jīng)網(wǎng)絡(luò)的旅游突發(fā)事件預(yù)警研究［J］.北京工商大學(xué)學(xué)報：自然科學(xué)版，2008，26 （2）：63-66.

［15］ 黨香俊，姜同敏.基于相關(guān)分析和組合神經(jīng)網(wǎng)絡(luò)的退化預(yù)測［J］.北京航空航天大學(xué)學(xué)報，2013，39（1）：43-46.

［16］ 章德賓，徐家鵬，許建軍，等.基于監(jiān)測數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)的食品安全預(yù)警模型［J］.農(nóng)業(yè)工程學(xué)報，2010，26（1）：221-226.

Research on Establishment of Food Safety Evaluation M odel Based on Neural Network

CAIQiang， WANG Jun-jun， LIHai-sheng， MAO Dian-hui
（School of Computer Science and Information Engineering，Beijing Technology and Business University，Beijing 100048，China）

The accuracy of the food safety evaluation model directly influences the accuracy of food safety situation assessment and forecast.Based on the hazard analysis critical control point theory（HACCP），a food safety evaluation index system was established from the perspective of the food supply chain.In order to detect the convergence speed and fitting degree of the model’s deviation，the analytic hierarchy processwas utilized to improve the random initialization calculating weightmethod in the backward propagation neural network algorithm.Meanwhile，the sample data were trained and the test data were validated.The results showed that the BP neural network combined with AHP was high-precision，fast，and objective，which could be used to food safety evaluation of circulation links of production，processing，and sales.

food safety；neural network；calculation of weight；evaluation model

檀彩蓮）

TS201.6；TP391.7；R155

A

10.3969/j.issn.2095-6002.2014.01.013

2095-6002（2014）01-0069-08

蔡強，王君君，李海生，等.基于神經(jīng)網(wǎng)絡(luò)的食品安全評價模型構(gòu)建研究.食品科學(xué)技術(shù)學(xué)報，2014，32（1）：69-76. CAIQiang，WANG Jun-jun，LIHai-sheng，et al.Research on establishment of food safety evaluationmodelbased on neural network.Journal of Food Science and Technology，2014，32（1）：69-76.

2013-04-26

蔡 強，男，教授，博士，主要從事智能信息處理與可視化方面的研究；王君君，女，碩士研究生，研究方向為智能信息處理.