基于數(shù)據(jù)挖掘的江門市蔬菜食品安全風(fēng)險(xiǎn)分析與預(yù)測(cè)

趙杰斌，黃穗東，孫遠(yuǎn)明，徐振林,

（1.廣東省食品質(zhì)量安全重點(diǎn)實(shí)驗(yàn)室，華南農(nóng)業(yè)大學(xué)食品學(xué)院，廣東廣州 510642；2.廣東省臺(tái)山市市場(chǎng)監(jiān)督管理局，廣東江門 529000；3.廣州市食品檢驗(yàn)所，廣東廣州 510410）

蔬菜作為人民群眾生活必需品，保障“菜籃子”產(chǎn)品的安全供應(yīng)，事關(guān)民生福祉和社會(huì)穩(wěn)定。近年來(lái)，隨著生活質(zhì)量的提升，人們更加注重營(yíng)養(yǎng)均衡和膳食搭配，對(duì)于蔬菜的需求量在不斷提升，根據(jù)相關(guān)研究，2020 年全國(guó)人均全年蔬菜消費(fèi)量為140 公斤，預(yù)計(jì)到達(dá)2023 年消費(fèi)量可達(dá)166 公斤[1-2]。目前，威脅蔬菜質(zhì)量安全的污染物主要以農(nóng)藥殘留和重金屬為主[3]，國(guó)內(nèi)外相關(guān)國(guó)家和組織均對(duì)農(nóng)產(chǎn)品質(zhì)量安全建立風(fēng)險(xiǎn)預(yù)警體系，包括由歐洲食品安全局（European Food Safety Authority，EFSA）建立的食品與飼料快速預(yù)警系統(tǒng)（Rapid Alert System for Food and Feed，RASFF），美國(guó)疾病預(yù)防和控制中心（Centers for Disease Control and Prevention，CDC）建立的食源性疾病主動(dòng)監(jiān)測(cè)網(wǎng)絡(luò)（Foodborne Disease Active Surveillance Network，F(xiàn)oodNet），國(guó)家食品安全風(fēng)險(xiǎn)評(píng)估中心（China National Center for Food Safety Risk Assessment，CFSA），均通過(guò)對(duì)農(nóng)產(chǎn)品風(fēng)險(xiǎn)監(jiān)測(cè)的相關(guān)數(shù)據(jù)進(jìn)行分析，實(shí)現(xiàn)農(nóng)產(chǎn)品安全隱患的提前預(yù)測(cè)與介入[4]。

目前，對(duì)于農(nóng)產(chǎn)品安全風(fēng)險(xiǎn)預(yù)警分析主要是基于具體抽檢數(shù)據(jù)，對(duì)不合格樣本、食品種類、涉及場(chǎng)所等環(huán)節(jié)進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析，并對(duì)存在的主要問(wèn)題進(jìn)行剖析的傳統(tǒng)方法[5]。而利用數(shù)據(jù)挖掘技術(shù)，對(duì)現(xiàn)有數(shù)據(jù)間內(nèi)在聯(lián)系進(jìn)行挖掘，可構(gòu)建出對(duì)問(wèn)題分析和預(yù)測(cè)的模型，人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，ANN）作為數(shù)據(jù)挖掘工具，在食品領(lǐng)域中國(guó)外已有相關(guān)的應(yīng)用研究，如Chen 等[6]利用高光譜成像測(cè)定牡蠣中總揮發(fā)性堿性氮含量，以總揮發(fā)性堿性氮含量對(duì)牡蠣新鮮度進(jìn)行評(píng)價(jià)，利用BP 人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)牡蠣在貯藏期間的新鮮度；Tarafdar 等[7]以含水率、干燥效率和干燥速率為輸出干燥參數(shù)，利用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建了蘑菇冷凍干燥應(yīng)用模型預(yù)測(cè)生物材料的干燥過(guò)程，并與半經(jīng)驗(yàn)?zāi)Ｐ瓦M(jìn)行比較發(fā)現(xiàn)，人工神經(jīng)網(wǎng)絡(luò)具有更優(yōu)秀的預(yù)測(cè)效率；Mercie 等[8]利用物理傳熱模型來(lái)計(jì)算貨柜中的溫度分布情況，并以此作為訓(xùn)練數(shù)據(jù)構(gòu)建出可預(yù)測(cè)易腐食品在運(yùn)輸過(guò)程中溫度變化的神經(jīng)網(wǎng)絡(luò)框架。國(guó)內(nèi)在食品領(lǐng)域的應(yīng)用研究中，范維等[9]基于實(shí)時(shí)聚合酶鏈?zhǔn)椒磻?yīng)法（Real-time PCR）對(duì)牛、羊肉串成分檢測(cè)，并運(yùn)用BP 神經(jīng)網(wǎng)絡(luò)算法構(gòu)建牛、羊肉串摻假的風(fēng)險(xiǎn)預(yù)測(cè)模型；陳鋰等[10]參照國(guó)家食品檢驗(yàn)標(biāo)準(zhǔn)結(jié)合專家打分，對(duì)肉制品中鉛含量分成6 個(gè)風(fēng)險(xiǎn)等級(jí)，利用神經(jīng)網(wǎng)絡(luò)建立三層的時(shí)間序列風(fēng)險(xiǎn)預(yù)警模型；魏泉增等[11]基于頂空固相微萃取結(jié)合氣質(zhì)聯(lián)用（GC-MS）測(cè)定花生油的揮發(fā)性成分，采用人工神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行建模和預(yù)測(cè)，建立可用于鑒別不同工藝花生油的模型。相比較下，目前鮮見基于抽檢數(shù)據(jù)利用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建農(nóng)產(chǎn)品質(zhì)量安全分析和預(yù)測(cè)模型的研究，有關(guān)江門市乃至廣東省抽檢數(shù)據(jù)的模型研究尚處于空白。

因此，本研究根據(jù)2016～2020 年江門市全域范圍內(nèi)蔬菜抽檢數(shù)據(jù)，運(yùn)用SPSS 軟件對(duì)其質(zhì)量安全狀況進(jìn)行分析，并運(yùn)用IBM SPSS Modeler 軟件基于抽檢數(shù)據(jù)的各項(xiàng)指標(biāo)，利用BP（Back-Propagation，BP）神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)挖掘，構(gòu)建出江門市蔬菜食品安全風(fēng)險(xiǎn)分析與預(yù)測(cè)模型，為監(jiān)管部門進(jìn)一步做好農(nóng)產(chǎn)品監(jiān)管提供技術(shù)參考。

1 材料與方法

1.1 樣本來(lái)源

蔬菜樣本 2016～2020 年，本研究從江門市四市三區(qū)的農(nóng)貿(mào)市場(chǎng)、批發(fā)市場(chǎng)、商場(chǎng)超市、餐飲服務(wù)單位等單位對(duì)10 個(gè)種類的蔬菜進(jìn)行采樣，每年各類蔬菜抽樣情況如表1 所示，共抽取蔬菜樣本1945份，其中豆類蔬菜148 份、葉菜類蔬菜469 份、根莖類和薯類蔬菜297 份、鱗莖類蔬菜116 份、瓜類蔬菜194 份、蕓薹類蔬菜196 份、茄果類蔬菜277 份、芽菜類蔬菜142 份、水生蔬菜19 份、食用菌87 份。

表1 2016～2020 年各類蔬菜采樣情況Table 1 Samples of various vegetables from 2016 to 2020

1.2 檢測(cè)和判定方法

依據(jù)GB23200.113-2018《食品安全國(guó)家標(biāo)準(zhǔn) 植物源性食品中208 種農(nóng)藥及其代謝物殘留量的測(cè)定氣相色譜-質(zhì)譜聯(lián)用法》、GB 23200.121-2021《食品安全國(guó)家標(biāo)準(zhǔn) 植物源性食品中331 種農(nóng)藥及其代謝物殘留量的測(cè)定 液相色譜—質(zhì)譜聯(lián)用法》、BJS 201703《豆芽中植物生長(zhǎng)調(diào)節(jié)劑的測(cè)定》、GB 5009.12-2017《食品安全國(guó)家標(biāo)準(zhǔn) 食品中鉛的測(cè)定》、GB 5009.15-2014《食品安全國(guó)家標(biāo)準(zhǔn) 食品中鎘的測(cè)定》等標(biāo)準(zhǔn)，對(duì)蔬菜中的氧樂(lè)果、毒死蜱、甲基異柳磷、克百威、水胺硫磷、氟蟲腈、腐霉利、阿維菌素、噻蟲嗪、滅蠅胺、4-氯苯氧乙酸鈉11 種農(nóng)藥殘留，鎘和鉛2 種重金屬元素進(jìn)行測(cè)定。根據(jù)GB 2762-2017《食品安全國(guó)家標(biāo)準(zhǔn) 食品中污染物限量》、GB 2763-2021《食品安全國(guó)家標(biāo)準(zhǔn) 食品中農(nóng)藥殘留最大殘留量》和《國(guó)家食品藥品監(jiān)督管理總局、農(nóng)業(yè)部、國(guó)家衛(wèi)生和計(jì)劃生育委員會(huì)關(guān)于豆芽生產(chǎn)過(guò)程中禁止使用6-芐基腺嘌呤等物質(zhì)的公告》（2015 年第11 號(hào)）對(duì)檢測(cè)結(jié)果進(jìn)行判定。

1.2.1 蔬菜食品安全預(yù)測(cè)模型構(gòu)建

1.2.1.1 BP 神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建 人工神經(jīng)網(wǎng)絡(luò)（ANN）是一種模仿人腦功能，基于生物神經(jīng)系統(tǒng)結(jié)構(gòu)的數(shù)據(jù)處理系統(tǒng)，通過(guò)人工神經(jīng)元之間相互連接構(gòu)建出一個(gè)非線性的自適應(yīng)系統(tǒng)，可應(yīng)用于數(shù)據(jù)分析為核心的數(shù)據(jù)挖掘領(lǐng)域，實(shí)現(xiàn)對(duì)數(shù)據(jù)的預(yù)測(cè)、分類等功能，為決策制定和問(wèn)題分析提供技術(shù)參考[6,12]。BP 神經(jīng)網(wǎng)絡(luò)，又稱反向傳播（back-propagation,BP）神經(jīng)網(wǎng)絡(luò)，作為一種前饋、多層式網(wǎng)絡(luò)，在反復(fù)向輸入的樣本學(xué)習(xí)的訓(xùn)練過(guò)程中，通過(guò)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值來(lái)獲得最小的誤差，以實(shí)現(xiàn)網(wǎng)絡(luò)輸出無(wú)限逼近期望值的目標(biāo)[13-14]。本研究將利用2016 年至2020 年江門市蔬菜食品安全監(jiān)督抽檢數(shù)據(jù)為樣本，將多維度的不同抽檢數(shù)據(jù)輸入BP 神經(jīng)網(wǎng)絡(luò)，通過(guò)反復(fù)的訓(xùn)練從而獲得預(yù)測(cè)目標(biāo)變量結(jié)果。

1.2.1.2 數(shù)據(jù)樣本的預(yù)處理 數(shù)據(jù)自身的數(shù)量，格式和結(jié)構(gòu)等特點(diǎn)是構(gòu)建BP 神經(jīng)模型的關(guān)鍵基礎(chǔ)，除了要保證有足夠數(shù)據(jù)量作為支撐外，還需要選擇數(shù)據(jù)的特征屬性，以保證模型的準(zhǔn)確度和實(shí)用性。原始的抽檢數(shù)據(jù)中包括了受檢地址、聯(lián)系人、聯(lián)系電話、型號(hào)規(guī)格、文字商標(biāo)、檢驗(yàn)機(jī)構(gòu)等多個(gè)屬性，這些僅能代表單一樣本的屬性，無(wú)法適用于以多個(gè)樣本為基礎(chǔ)的模型構(gòu)建中[15]。由于本研究通過(guò)基于采樣時(shí)間、采樣地點(diǎn)和樣本自身屬性等多個(gè)維度，構(gòu)建蔬菜食品安全預(yù)測(cè)模型，因此選取了年份、月份、行政區(qū)域、所屬鎮(zhèn)街、監(jiān)測(cè)場(chǎng)所、蔬菜種類、蔬菜品種7 個(gè)具有代表性屬性作為輸入變量，將結(jié)論作為輸出變量（目標(biāo)變量）。

此外，蔬菜樣本在采集工作中，采樣信息時(shí)受個(gè)人理解、地方方言等影響，造成同品種蔬菜會(huì)登記成不同名字，如結(jié)球甘藍(lán)會(huì)登記為包菜、卷心菜、包心菜等，為保證數(shù)據(jù)的統(tǒng)一性，本研究將參考GB 2763-2021《食品安全國(guó)家標(biāo)準(zhǔn) 食品中農(nóng)藥最大殘留限量》中附錄A 來(lái)規(guī)范蔬菜品種名稱。為了方便數(shù)據(jù)的導(dǎo)入，對(duì)輸入數(shù)據(jù)按照屬性進(jìn)行整理，數(shù)據(jù)框類型見表2。

表2 BP 神經(jīng)網(wǎng)絡(luò)模型數(shù)據(jù)框類型Table 2 Data frame type for BP neural network model

1.2.1.3 建模流程 模型構(gòu)建的流程見圖1，通過(guò)源節(jié)點(diǎn)對(duì)整理好的excel 電子表格數(shù)據(jù)進(jìn)行導(dǎo)入；通過(guò)字段選項(xiàng)節(jié)點(diǎn)的類型選項(xiàng)對(duì)數(shù)據(jù)值進(jìn)行讀取并進(jìn)行角色調(diào)整；利用分區(qū)選項(xiàng)將輸入的數(shù)據(jù)集分為訓(xùn)練集和驗(yàn)證集；由于食品安全抽檢的結(jié)論為合格和不合格的樣本量之間是不平衡的，為提高模型對(duì)于合格和不合格樣本的預(yù)測(cè)準(zhǔn)確性，需要通過(guò)記錄節(jié)點(diǎn)的平衡選項(xiàng)對(duì)數(shù)據(jù)集進(jìn)行平衡；最后通過(guò)神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)對(duì)建模后，再利用分析節(jié)點(diǎn)和圖形評(píng)估節(jié)點(diǎn)來(lái)對(duì)模型的準(zhǔn)確度進(jìn)行分析。

圖1 模型構(gòu)建流程圖Fig.1 Flow chart of model establishment

1.2.1.4 建模參數(shù)設(shè)置 a.類型節(jié)點(diǎn)的設(shè)置：將數(shù)據(jù)導(dǎo)入后，類型節(jié)點(diǎn)將讀取數(shù)據(jù)集的值，將各項(xiàng)屬性設(shè)為名義屬性，除將檢測(cè)結(jié)果設(shè)為輸出角色，其他變量均設(shè)為輸入角色。由于神經(jīng)網(wǎng)絡(luò)只能處理數(shù)值型輸入變量，自動(dòng)數(shù)據(jù)處理會(huì)將分類變量轉(zhuǎn)化為取值為0 或1 的數(shù)值變量，對(duì)各變量進(jìn)行二進(jìn)制編碼，符合神經(jīng)網(wǎng)絡(luò)輸入的要求[16-17]。

b.分區(qū)節(jié)點(diǎn)的設(shè)置：將數(shù)據(jù)集分成訓(xùn)練集和驗(yàn)證集，以提高模型的穩(wěn)定性和延續(xù)性。本研究的分區(qū)節(jié)點(diǎn)的設(shè)置為：訓(xùn)練分區(qū)大小70%，測(cè)試分區(qū)大小30%。

c.平衡節(jié)點(diǎn)的設(shè)置：本研究中共采集的蔬菜樣本1945 份，其中不合格樣本62 份，占比3.2%，合格樣本和不合格樣本的分布比例過(guò)于懸殊，如果直接用于模型構(gòu)建，會(huì)因小概率樣本的預(yù)測(cè)結(jié)果較差，影響模型的準(zhǔn)確率。參考Linoff 的研究[18]，采用過(guò)抽樣（Oversampling）或欠抽樣（Undersampling）技術(shù)來(lái)調(diào)整兩者樣本的分布比例，Linoff 認(rèn)為小概率樣本的比率維持在10%～50%之間，會(huì)獲得較好的效果。對(duì)于平衡節(jié)點(diǎn)的設(shè)定，將以模型的總體準(zhǔn)確率為判定指標(biāo)，選出最佳的小概率樣本事件的比率。

d.神經(jīng)網(wǎng)絡(luò)建模節(jié)點(diǎn)的設(shè)置：神經(jīng)網(wǎng)絡(luò)模型選擇多層感知器（MLP），一種通過(guò)“誤差反向傳播算法”多層前向網(wǎng)絡(luò)；模型停止規(guī)則為“無(wú)法進(jìn)一步降低誤差”，在模型訓(xùn)練環(huán)節(jié)中，模型在向樣本學(xué)習(xí)的同時(shí)，通過(guò)權(quán)值進(jìn)行不斷修正，使得獲得預(yù)測(cè)誤差最低的期待模型；在模型中間隱藏層的神經(jīng)元數(shù)量設(shè)定上，根據(jù)田興國(guó)等人的研究[19]，每一個(gè)BP 神經(jīng)網(wǎng)絡(luò)都有一個(gè)最優(yōu)的中間神經(jīng)元數(shù)量，通過(guò)經(jīng)驗(yàn)計(jì)算公式確定隱藏層中神經(jīng)元的數(shù)量合理范圍。

式中：n1 為隱藏層節(jié)點(diǎn)數(shù)，n 為輸入節(jié)點(diǎn)數(shù)，m為輸出節(jié)點(diǎn)數(shù)，a介于1～10 的常數(shù)。

1.3 數(shù)據(jù)處理

采用Excel 2007 軟件進(jìn)行數(shù)據(jù)統(tǒng)計(jì)和建模數(shù)據(jù)樣本預(yù)處理；SPSS 19.0 軟件進(jìn)行相關(guān)性分析和顯著性差異分析；IBM SPSS Modeler 14.1 軟件構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型；采用Origin 2019 軟件進(jìn)行繪圖。

2 結(jié)果與分析

2.1 蔬菜食品安全風(fēng)險(xiǎn)分析

2.1.1 各年間總體合格率的分析 本研究抽檢的1945 份蔬菜樣本，共有65 份樣本不合格，總體合格率為96.6%，各年檢測(cè)情況見圖2。采用Excel 2007和SPSS 19.0 軟件，對(duì)各年間整體合格率進(jìn)行顯著性差異分析，通過(guò)卡方檢驗(yàn)顯示χ2=10.8，P<0.05，表明各年檢整體合格率之間的差異顯著，具有統(tǒng)計(jì)學(xué)意義。除2017 年以外，均保持在95.5%以上，且維持在穩(wěn)定水平。

圖2 2016～2020 年各年間總體合格率情況Fig.2 Overall qualified rate of each year from 2016 to 2020

2.1.2 不合格樣本種類的分析 由圖3 可知，10 個(gè)種類蔬菜中，除瓜類蔬菜、水生蔬菜、食用菌以外，其余7 個(gè)種類的蔬菜均檢出不合格樣本，其中合格率最低三個(gè)蔬菜種類分別是芽菜類蔬菜81.7%、豆類蔬菜95.9%、根莖類和薯類蔬菜96.3%，均低于總體水平。

圖3 2017～2020 年抽檢不合格蔬菜種類情況Fig.3 Distribution of unqualified samples on different vegetables from 2016 to 2020

在不合格樣本中芽菜類蔬菜最多，占不合格樣本總數(shù)的40%，其次是葉菜類蔬菜，根莖類和薯類蔬菜，分別占比16.9%和21.5%。利用SPSS 19.0 軟件對(duì)上述3 個(gè)種類蔬菜的歷年采樣總數(shù)和不合格總數(shù)進(jìn)行皮爾遜（Person）相關(guān)性分析，顯示Person 相關(guān)系數(shù)ρ=0.95，P<0.05,表明采樣總數(shù)和不合格總數(shù)之間存在極強(qiáng)的相關(guān)，通過(guò)增加高風(fēng)險(xiǎn)品種蔬菜的采樣量能有效地發(fā)現(xiàn)不合格樣本。

2.1.3 不合格項(xiàng)目的分析 根據(jù)農(nóng)業(yè)農(nóng)村部公布的《禁限用農(nóng)藥名錄》（2019 版）要求，毒死蜱、氟蟲腈、甲基異柳磷、克百威4 種農(nóng)藥被禁止用于蔬菜的種植種；根據(jù)原國(guó)家食藥總局在2015 年發(fā)布的《關(guān)于豆芽生產(chǎn)中禁止使用6-芐基腺嘌呤等物質(zhì)的公告》，將4-氯苯氧乙酸鈉列作農(nóng)藥登記管理，并禁止用于芽菜類蔬菜的種植種。由圖4 可知，2016 年至2020年間，江門市蔬菜食品安全問(wèn)題可分為農(nóng)藥殘留超標(biāo)、重金屬超標(biāo)和植物生長(zhǎng)激素超標(biāo)三類問(wèn)題，其中4-氯苯氧乙酸鈉、鉛元素、毒死蜱不合格批次最多，分別占不合格項(xiàng)次比例39.4%、21.2%、10.6%。可見，江門市蔬菜中禁限用農(nóng)藥殘留超標(biāo)、鉛元素蓄積和違規(guī)使用植物生長(zhǎng)激素的問(wèn)題較為突出，結(jié)論與李培武等[3]和周輝等[20]的研究相一致。

圖4 2016～2020 年抽檢不合格項(xiàng)目情況Fig.4 Distribution of unqualified sampling items from 2016 to 2020

造成上述問(wèn)題的原因：a.在豆芽生長(zhǎng)過(guò)程中加入4-氯苯氧乙酸鈉能促進(jìn)生產(chǎn)，提高產(chǎn)率，使其芽軸變長(zhǎng)，根部變短[21]，加之4-氯苯氧乙酸鈉的無(wú)需指定銷售或購(gòu)買登記，造成部分種植戶為提高豆芽產(chǎn)量違規(guī)使用；b.除《禁限用農(nóng)藥名錄》（2019 版）中41 種禁止生產(chǎn)銷售和使用的農(nóng)藥以外，其他農(nóng)藥均可登記銷售，但對(duì)于購(gòu)買后的施藥范圍和施藥量缺乏監(jiān)管，加之農(nóng)戶安全用藥知識(shí)和意識(shí)缺乏，導(dǎo)致超范圍和超限量使用農(nóng)藥問(wèn)題的出現(xiàn)；c.重金屬元素在植物代謝旺盛的器官中蓄積量最大，同時(shí)根部作為最先接觸土壤重金屬的器官，造成植物根部相對(duì)于其他部位而言蓄積量更多，根莖類和薯類蔬菜可食用部分主要是其根部，導(dǎo)致此類蔬菜在抽檢時(shí)較其他種類的蔬菜更容易出現(xiàn)鉛元素超標(biāo)的問(wèn)題[22-23]。根據(jù)胡霓紅等[24]，陳志良等[25]對(duì)江門周邊城市蔬菜重金屬蓄積情況的研究結(jié)果顯示，葉菜類蔬菜的重金屬蓄積能力較其他種類蔬菜更強(qiáng)，但江門市實(shí)際情況與其研究結(jié)果不一致。

2.2 蔬菜食品安全數(shù)據(jù)挖掘與預(yù)測(cè)模型

2.2.1 不同平衡節(jié)點(diǎn)下模型準(zhǔn)確度對(duì)比 參考Linoff等[18]的研究，將平衡節(jié)點(diǎn)中的合格：不合格分別設(shè)置為3.4:1、7.6:1、13.0:1、20.2:1、30.4:1，其他節(jié)點(diǎn)按軟件默認(rèn)設(shè)置，所形成的模型概況如表3 所示。

表3 不同平衡節(jié)點(diǎn)設(shè)置下模型準(zhǔn)確度對(duì)比Table 3 Accuracy comparison of different balance node settings

在模型的整體準(zhǔn)確度方面，通過(guò)過(guò)抽樣的方式增加不合格樣本的比率，對(duì)于模型的總體合格率有明顯的提升，但當(dāng)合格：不合格達(dá)到13:1 時(shí)，再次提升不合格樣本的比率對(duì)于整體合格率提升并不明顯。在合格樣本和不合格樣本的準(zhǔn)確度上，隨著不合格樣本的比率增加，對(duì)不合格樣本的預(yù)測(cè)準(zhǔn)確度也隨著增加，并在合格:不合格=13:1 時(shí)達(dá)到100%，與此同時(shí)對(duì)合格樣本的預(yù)測(cè)準(zhǔn)確度也在下降。因此，對(duì)于本研究模型的平衡節(jié)點(diǎn)設(shè)置采用合格:不合格=13:1。

2.2.2 不同隱藏層神經(jīng)元模型下準(zhǔn)確度對(duì)比 模型共有7 個(gè)輸入節(jié)點(diǎn)和1 個(gè)輸出節(jié)點(diǎn)，根據(jù)公式（1）計(jì)算，隱藏層節(jié)點(diǎn)數(shù)取值在4 至13，按照訓(xùn)練集:驗(yàn)證集=7:3，平衡節(jié)點(diǎn)合格:不合格=13:1 設(shè)置，根據(jù)不同隱藏層節(jié)點(diǎn)數(shù)所構(gòu)成的10 個(gè)模型準(zhǔn)確度在92.7%至96.1%區(qū)間，合格樣本的預(yù)測(cè)準(zhǔn)確度在89.4%至94.5%區(qū)間，不合格樣本的預(yù)測(cè)準(zhǔn)確度在91.3%至100%區(qū)間，如圖5 所示。通過(guò)比較發(fā)現(xiàn)，當(dāng)隱藏層節(jié)點(diǎn)設(shè)置為5 個(gè)時(shí)，在模型總體準(zhǔn)確度、合格樣本和不合格樣本預(yù)測(cè)準(zhǔn)確度上均為最優(yōu)，因此將其作為模型最優(yōu)設(shè)置參數(shù)。

圖5 不同隱藏層神經(jīng)元模型下準(zhǔn)確度對(duì)比Fig.5 Accuracy comparison of different hidden layer neuron models

2.2.3 模型優(yōu)化和評(píng)價(jià) 為進(jìn)一步提升模型的準(zhǔn)確性，采用推進(jìn)方法（Boosting）對(duì)模型進(jìn)行優(yōu)化。Boosting 是由Schapire 在1990 年提出的多項(xiàng)式級(jí)的算法[26]，其原理是通過(guò)產(chǎn)生一系列“成分模型”，每個(gè)會(huì)在整理數(shù)據(jù)上進(jìn)行構(gòu)建，在構(gòu)建每個(gè)后續(xù)成分模型之前，會(huì)根據(jù)前一個(gè)模型的殘差對(duì)記錄進(jìn)行加權(quán)。具有較大殘差的會(huì)被給予較高的分析權(quán)重，下一個(gè)成分模型將更側(cè)重于這些記錄。這些成分模型共同構(gòu)建一個(gè)整體模型，同時(shí)采用組合規(guī)則對(duì)新紀(jì)錄進(jìn)行評(píng)分，可用的規(guī)則將取決于目標(biāo)的測(cè)量級(jí)別[27-28]。使用Boosting 構(gòu)建模型相對(duì)于標(biāo)準(zhǔn)模型而言，需要花費(fèi)更長(zhǎng)的構(gòu)建和評(píng)分時(shí)間，但是模型的結(jié)果預(yù)測(cè)精確度會(huì)更高。結(jié)合“2.2.1”和“2.2.2”的最優(yōu)設(shè)置參數(shù)，使用Boosting 方法構(gòu)建模型后，添加分析節(jié)點(diǎn)和評(píng)估節(jié)點(diǎn)，并與標(biāo)準(zhǔn)模型連接，以對(duì)比兩個(gè)模型的準(zhǔn)確性和性能。另外，還將通過(guò)交叉驗(yàn)證方法來(lái)對(duì)比兩個(gè)模型的穩(wěn)定性。

在模型的準(zhǔn)確性上，本研究將采用靈敏度（sensitivity，sen）、特異度（specificity，spe）、精度（accurary，acc）三個(gè)參數(shù)，分析模型的準(zhǔn)確性。

靈敏度，代表實(shí)際為正例被判斷為正例的概率，當(dāng)靈敏度越高時(shí)，反映模型對(duì)合格樣本的預(yù)測(cè)不容易出現(xiàn)誤判。

式中：TP 代表模型正確預(yù)測(cè)為合格的樣本數(shù)（true positive，TP），F(xiàn)N 代表錯(cuò)誤預(yù)測(cè)為合格的樣本數(shù)（false negative，F(xiàn)N）。

特異度，代表實(shí)際為負(fù)例被判斷為負(fù)例的概率，當(dāng)特異度越高時(shí)，反映模型對(duì)不合格樣本的預(yù)測(cè)不容易出現(xiàn)漏判。

式中：TN 代表模型正確預(yù)測(cè)為不合格的樣本數(shù)（true negative，TN），F(xiàn)P 代表錯(cuò)誤預(yù)測(cè)為不合格的樣本數(shù)（false positive，F(xiàn)P）。

精度，代表預(yù)測(cè)正確的樣本占總樣本的比例，反映出模型總體分類的能力。

從表4 可知，使用Boosting 構(gòu)建的模型相比標(biāo)準(zhǔn)模型在精度上提升了2.32%；在不合格樣本預(yù)測(cè)的特異度方面，Boosting 模型被錯(cuò)判的樣本比標(biāo)準(zhǔn)模型增加4 個(gè)，不合格樣本總量較少，即便被錯(cuò)判的樣本數(shù)量相差較小，造成兩者特異性差異較大，但Boosting模型特異度為83.87%仍可接受；在合格樣本預(yù)測(cè)的靈敏度方面，Boosting 模型被錯(cuò)判的樣本比標(biāo)準(zhǔn)模型減少了74 個(gè)，靈敏度提升了4.37%。綜合分析，運(yùn)用Boosting 構(gòu)建的模型比標(biāo)準(zhǔn)模型精確度有明顯的提升。

表4 標(biāo)準(zhǔn)模型與優(yōu)化模型的準(zhǔn)確性比較Table 4 Accuracy comparison between normal model and optimized model

在模型性能評(píng)估上，分別選擇增益和提升兩種類型的圖，結(jié)合基線與最佳線綜合分析，在累積收益圖中，一個(gè)良好的模型，收益線會(huì)向100%徒增，然后趨于平穩(wěn)狀態(tài)；在累積提升圖中，累積線始于大于1.0 的值，并向1.0 靠近，良好模型的響應(yīng)圖，圖表左側(cè)會(huì)保持較高水平，在圖表右側(cè)曲線將迅速下降。從圖6 可知，增益和提升圖表均顯示Boosting 模型和標(biāo)準(zhǔn)模型與最優(yōu)模型想接近，對(duì)于不合格樣本預(yù)測(cè)的總體性能較好，但兩個(gè)模型之間對(duì)比，Boosting 模型明顯優(yōu)于標(biāo)準(zhǔn)模型，在提升圖表中，前1 個(gè)百分位不合格預(yù)測(cè)的性能前者比后者提升15.4%。

圖6 標(biāo)準(zhǔn)模型與優(yōu)化模型性能評(píng)估圖Fig.6 Performance evaluation diagram of normal model and optimized model

在模型的穩(wěn)定性評(píng)估上，采用十折交叉驗(yàn)證（ten-fold cross validation）對(duì)標(biāo)準(zhǔn)模型和boosting 模型進(jìn)行分析，利用excel 將1945 個(gè)樣本數(shù)據(jù)隨機(jī)分為10 份，其中任意9 份作為訓(xùn)練數(shù)據(jù)集訓(xùn)練模型，剩余1 份作為測(cè)試數(shù)據(jù)集測(cè)試模型，重復(fù)10 次試驗(yàn)。

如圖7 所示，在十折交叉驗(yàn)證中，boosting 模型訓(xùn)練集正確率保持在97.8%～98.6%，方差為0.1，測(cè)試集正確率保持在91.5%～95.5%之間，方差為1.8；標(biāo)準(zhǔn)模型模型訓(xùn)練集正確率保持在91.4%～97.1%，方差為3.0，測(cè)試集正確率保持在87.5%～95.5%之間，預(yù)測(cè)正確率之間方差為6.5。由此可見，運(yùn)用boosting 構(gòu)建模型的穩(wěn)定性優(yōu)于標(biāo)準(zhǔn)模型。因此，本研究所構(gòu)建模型的最優(yōu)參數(shù)設(shè)置如表5 所示。

圖7 標(biāo)準(zhǔn)模型與優(yōu)化模型十折交叉驗(yàn)證情況Fig.7 Ten-fold cross validation of normal model and optimized model

表5 模型最優(yōu)參數(shù)設(shè)置Table 5 Optimal parameter settings for the model

3 討論與結(jié)論

3.1 討論

本研究所構(gòu)建的模型，是通過(guò)輸入樣本的屬性來(lái)預(yù)測(cè)樣本的結(jié)果，在實(shí)際食品安全抽檢工作前作為參考，將樣本的屬性輸入到已訓(xùn)練好的BP 神經(jīng)網(wǎng)絡(luò)模型后，可根據(jù)模型預(yù)測(cè)的結(jié)果指定抽檢方案并進(jìn)行針對(duì)性檢測(cè)，提升食品安全抽檢的靶向命中率，同時(shí)對(duì)于降低部分合格率高品種的抽樣量，節(jié)省人力、物力的投入，提升抽檢工作的效率，具有較高的實(shí)用價(jià)值。另外，除了在法定檢測(cè)中運(yùn)用外，也可用結(jié)合日?？焖贆z測(cè)工作使用。相對(duì)比法定檢測(cè)而言，快速檢測(cè)利用快速、簡(jiǎn)便、廉價(jià)等優(yōu)勢(shì)實(shí)現(xiàn)大面積篩查，可為模型構(gòu)建提供大量的數(shù)據(jù)量，進(jìn)而對(duì)優(yōu)化模型。

但是模型構(gòu)建過(guò)程中，樣本屬性信息登記不規(guī)范、不合格樣本占比極低、樣本輸入屬性選擇等因素也會(huì)對(duì)模型的準(zhǔn)確性和實(shí)用性造成較大的影響，因此在建模過(guò)程中對(duì)數(shù)據(jù)準(zhǔn)確尤為重要，建議監(jiān)管部門豐富抽檢信息公示的內(nèi)容，并按照規(guī)范性文件規(guī)范產(chǎn)品信息填寫。此外，使用BP 神經(jīng)網(wǎng)絡(luò)構(gòu)建的模型雖然具備較高的分類精度，能自適應(yīng)和自主學(xué)習(xí)，但其作為“黑箱模型”（Black box）弊端也得模型的解釋性和穩(wěn)定性較差，根據(jù)Liu 等[29]、向暉[30]、王強(qiáng)等[31]研究，將不同算法構(gòu)建的模型進(jìn)行組合，利用不同種類模型的優(yōu)勢(shì)互補(bǔ)，避免單體模型的弊端，同時(shí)又共同解決同一個(gè)問(wèn)題。因此，在模型進(jìn)一步優(yōu)化中，可以此為方向，基于多種算法組合的農(nóng)產(chǎn)品質(zhì)量安全分析和預(yù)測(cè)模型。

3.2 結(jié)論

本研究對(duì)江門市1945 份蔬菜樣本的農(nóng)藥殘留和重金屬含量情況分析發(fā)現(xiàn)，芽菜類蔬菜、葉菜類蔬菜，根莖類和薯類蔬菜三類蔬菜總體合格率低于總體水平，其中以4-氯苯氧乙酸鈉、鉛元素、毒死蜱問(wèn)題較為突出。通過(guò)對(duì)上述檢測(cè)數(shù)據(jù)進(jìn)行深層挖掘，利用IBM SPSS Modeler 14.1 軟件構(gòu)建蔬菜食品安全的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。經(jīng)過(guò)對(duì)平衡節(jié)點(diǎn)、隱藏層神經(jīng)元、訓(xùn)練方法的優(yōu)化，構(gòu)建出3 層神經(jīng)模型的精度為96.3%，對(duì)合格樣本的靈敏度為96.8%，對(duì)不合格樣本的特異性為83.9%，結(jié)合增益和提升兩種評(píng)估圖分析，該模型的預(yù)測(cè)效果良好，可為蔬菜食品安全抽檢工作提供參考。建議在利用法定抽檢數(shù)據(jù)的進(jìn)行模型構(gòu)建的基礎(chǔ)上，結(jié)合快速檢測(cè)的優(yōu)勢(shì)獲得更大的數(shù)據(jù)量，同時(shí)通過(guò)不同算法構(gòu)建的模型組合，利用各自的優(yōu)勢(shì)來(lái)構(gòu)建準(zhǔn)確度更高，應(yīng)用面更廣的預(yù)測(cè)模型。