[发明专利]一种基于FTA-BN的食品安全风险预测算法

说明书

本发明公开一种基于FTA‑BN的食品安全风险预测算法，包括步骤一、食品安全问题的风险分类，步骤二、食品安全故障树模型的建立和BN模型的转换，步骤三、正向推理分析预测食品安全风险水平，步骤四、反向推理诊断获得失效路径和环节，步骤五、根据互信息分析判断敏感性，步骤六、最后故障路径的推导；本发明针对食品安全各环节风险因素之间存在的耦合关系和不确定性特点，结合故障树分析法和贝叶斯网络的优点，从供应链系统定量分析食品安全风险问题，通过改进后的FTA‑BN模型全面深入分析食品安全问题，为探究食品风险排序和关键路径控制提供理论依据。

技术领域

本发明涉及食品安全技术领域，尤其涉及一种基于FTA-BN的食品安全风险预测算法。

背景技术

近年来，食品安全问题日趋严重，受到人们广泛关注，由于食品安全直接关系到社会安全和经济发展，因此准确分析食品安全风险，对降低事故损失和健全食品安全控制体系具有重要意义；

国内外学者对食品安全风险评估做了较多研究，美国、日本等发达国家注重从“农田到餐桌”供应链的全过程，采用危害性评估技术，侧重于特征描述和摄入量评估。而国内食品安全风险评估多集中于评价指标体系和数量模型等方法，侧重于定性分析；

食品安全风险评价的现有研究主要是基于模型的综合评价，而对食品安全事故诱因和内部逻辑关系研究较少，因此，本发明提出一种基于FTA-BN的食品安全风险预测算法以解决现有技术中存在的问题。

发明内容

针对上述问题，本发明的目的在于提出一种基于FTA-BN的食品安全风险预测算法，该基于FTA-BN的食品安全风险预测算法通过改进后的FTA-BN模型全面深入分析食品安全问题，为探究食品风险排序和关键路径控制提供理论依据。

为实现本发明的目的，本发明通过以下技术方案实现：一种基于FTA-BN的食品安全风险预测算法，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。

进一步改进在于：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。

进一步改进在于：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。

进一步改进在于：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