大数据挖掘在食品安全风险预警领域的应用

刘少楠

随着云计算、物联网等技术的迅猛发展，大数据作为经济增长新动能的作用正在日益凸显。食品行业作为经济发展结构中的关键构成部分，其安全也直接决定着经济的进步。将大数据挖掘使用到食品安全风险预警中，能够对一些存在的隐患进行预防与控制，进而提升食品安全性，保障人民群众身体健康。

大数据在食品安全风险预警中的作用

在当前这种大数据时代中，数据存在的颗粒度、维度以及规模等成为评论数据价值最关键的特征，数据存在的颗粒度能够对数据精细化程度进行反映。就单个食品而言，单一性的检测指标是很难以将食品质量全部情况进行反映的。例如之前发生的三聚氰胺事件，这个事件就反映出了我国在食品检测方式上的不足，所以加大食品检测数据的科学性，能够为食品安全提供更加准确的信息。而数据维度就是指数据来源丰富程度，在信息时代中，食品安全数据不能够只是限制在企业与监管部门中，还应该通过计算机网络和媒体报道来为食品安全检测与预警提供更多数据来源。这些途径能够为食品质量提供最及时与客观的反馈，一些食品问题在加工、运输以及销售中难以产生和被发现，但是到达消费者手中时才会被揭露，所以市面上大部分食品安全问题是由消费者自己举报，在被媒体大肆报道之后才引起了相关部门的重视。因此，网络与媒体也在一定程度上为食品数据提供了活性，让食品数据更加可靠与真实。

大数据挖掘在食品安全风险预警领域的应用

大数据挖掘就是在大数据中挖掘知识，进而在基础性模型上对收集的数据进总结和处理，进而达到需要的目的。常见的数据挖掘有贝叶斯网络、决策树以及人工神经网络等。

貝叶斯网络的运用。贝叶斯网络为一种不确定性的表示形式，实际也是一个赋值的复杂因果关系网络。将其使用在食品行业中，能够对食品产品进行设计。比如在对食品贝叶斯网络进行建设的时候，假若获知广大人民群众普遍喜爱的甜食品，在样本中也存在又甜又同样受到欢迎的食品，则贝叶斯网络就能够将这个食品的颜色进行推理，进而判断出其对受欢迎程度的影响。贝叶斯网络模型能够在风险评估中进行运用，将其使用在食品供应链风险的概率估算中可以获得很好的效果。经过对食品供应链中物流、信息流以及财流等相关的风险因素进行裁剪，进而对初期发生的食品安全事件进行分析，在此基础上建设贝叶斯网络模型对风险进行评价，以此做出相应的预警工作。因为食品供应链不同的初始事件在反响方面有很大不同，事件发展过程中的实际情况以及结果也不同。所以通过获得贝叶斯网络中每项节点关系的条件概率数值，然后再进行联合概率的计算，这样就能够获得食品风险值。

决策树和人工精神网络的应用。决策树是一种运用较为广泛的归纳性推算方式，能够应该接近离散值函数的方式，以此优先选用较小的“树”。决策树分析方式是以树状的逻辑思维模式解决难度高的决策问题，这也是风险分析最为坚实的依据。将其使用在食品安全评估中，能够针对影响农产品质量安全的数据特点，综合降维方式对数据进行预处理，进而将影响质量安全的关键特征数值找出来。在此基础上，建设基于组合优化决策树的农产品质量安全评估模型。在这其中主要是选用地下水含金属量、土壤的酸碱值，以及种植规模等这些影响农产品的因素，并将其当做决策树的属性，把数据样本分类为训练集、测试集。把测试集中获取的数据样本输入到决策树模型中，计算出相关的数值，进而判断决策树方式是否能够对农产品质量安全风险进行有效评估。除此之外，人工精神网络也能被使用在食品安全中，其能够对大米直链淀粉的含量进行预测，还能够筛选影响食品检测结果的多种维度。例如污染、药物残留以及致病菌等等，然后对该食品中存在的风险值进行估算。

信息和数据时代的发展让各个行业都能在精准数据资料上得以健康发展，将大数据挖掘的方式使用在食品安全风险预警中，能够对食品的生产、运输到销售整个过程进行数据信息收集。然后在数据挖掘处理模型中对食品数据进行分析处理，进而获取精准风险值，在坚实可靠的数据信息上保障食品安全。endprint