[发明专利]一种基于FTA-BN的食品安全风险预测算法

权利要求书

1.一种基于FTA-BN的食品安全风险预测算法，其特征在于，包括以下步骤：

步骤一、利用历史事件分析法，并根据往年引发食品安全事件的主要原因，将引发供应链各环节食品安全问题的风险按人-机-环-管的来源进行分类；

步骤二、以食品安全问题为顶事件，各环节风险因素为底事件，构件食品安全问题故障树模型，再根据贝叶斯网络将故障树模型转换，得到食品安全问题BN模型；

步骤三、从BN模型顶事件向底事件正向推理分析各个节点的因果逻辑关系，利用联合概率分布公式计算得到联合概率，并由联合概率得到风险发生概率，预测食品安全的风险水平；

步骤四、从BN模型底事件向顶事件反向推理并根据给定的变量信息计算其他变量的后验概率，诊断获得导致系统失效的路径和环节；

步骤五、计算BN模型根节点与BN模型叶节点的互信息，再根据互信息值的大小分析判断其对叶节点的敏感性；

步骤六、在贝叶斯网络中获得影响食品安全问题的故障点组合，根据组合状态的后验概率，利用贝叶斯网络中的最大后验假设问题求解问题环节，最后推导出故障路径。

2.根据权利要求1所述的一种基于FTA-BN的食品安全风险预测算法，其特征在于：所述步骤一中按人-机-环-管的来源将食品安全问题的风险分为人为风险、设备风险、环境风险和管理风险四类。

3.根据权利要求1所述的一种基于FTA-BN的食品安全风险预测算法，其特征在于：所述步骤三中给定节点集合V＝{V₁，V₂，…，V_i}，则联合概率分布公式由下式表示。

4.根据权利要求1所述的一种基于FTA-BN的食品安全风险预测算法，其特征在于：所述步骤三中预测食品安全的风险水平具体分为无证据变量风险预测和证据变量风险预测，在食品安全问题T发生的概率用P(T7＝1)表示时；

无证据变量风险预测由下式计算

证据变量风险预测由下式计算

V_i∈V_c,v_i∈(0,1)

式中V_i(1≤i≤m-1)为根节点，V_c为证据变量的节点集合，v_i∈(0，1)为表示发生与否，m为贝叶斯网络中节点数目，n为状态已知的节点个数，P(V₁＝v₁，V₂＝v₂，…，V_n＝v_n，T＝1)表示状态已知的风险因素和风险事件同时发生的联合概率，P(V₁＝v₁，V₂＝v₂，…，V_n＝v_n)表示状态已知事件的联合概率，P(T＝1)表示风险事件发生的可能性。

5.根据权利要求1所述的一种基于FTA-BN的食品安全风险预测算法，其特征在于：所述步骤四中后验概率计算公式由下式表示

其中P(V_j＝1|V_c,T＝1)为第j个节点的后验概率，V_j∈V_c，v_i∈(0，1)。

6.根据权利要求5所述的一种基于FTA-BN的食品安全风险预测算法，其特征在于：所述V_c为空集时，计算得出各基本事件的后验概率，找出引起故障的原因并有针对性的进行诊断；所述V_c为非空集时，在故障发生时，基于多证据变量逐步排查故障并找出故障位置。