基于关联规则肉鸡产品质量安全预警模型.docVIP

基于关联规则肉鸡产品质量安全预警模型 　　摘要：针对肉鸡生产过程中的安全问题，基于改良关联规则挖掘算法（APTPPA）建立肉鸡产品质量安全预警模型。该模型以肉鸡养殖及屠宰过程中危害分析、关键控制点（HACCP）的异常数据为处理对象，采用模式指导树并行频繁项集挖掘算法（APTPPA），构造关联路径树，找寻最大频繁项集，提取预警关联规则，挖掘影响肉鸡产品安全的因素，通过试验验证预警模型的有效性。 　　关键词：肉鸡产品；质量安全；预警模型；关联规则；APTPPA；HACCP 　　中图分类号： TS207.7 文献标志码： A 　　文章编号：1002-1302（2015）03-0271-04 　　食品安全问题的频繁发生，引起了众多国家的高度重视[1]。发达国家早已开始研究构建一套广泛有效的食品安全预警模型。畜禽产品在日常养殖、加工过程中面临更多更复杂的安全风险，监管难度很大。因此国内外学者较为关注对畜禽产品质量安全预警模型的探讨和研究。我国肉鸡产业发展迅速，但产品品质参差不齐。如不及时改善产品质量，提高预警能力，国内肉鸡产业将难以抗衡外来企业[2]。 　　数据挖掘在食品安全领域的应用较少，而食品安全日常事务所产生的大量时序数据非常适合做数据分析，从中可挖掘出有效的预警条目[3]。选择合适、高效的挖掘算法对食品安全预警模型的精确度至关重要。本研究采用的关联规则挖掘算法最早由Agrawal等提出[4]，其中以Apriori算法最为经典[5]，后续学者提出的改进算法大多以Apriori算法为基础。由于Apriori算法存在固有缺陷，随后Han等提出基于 FP-tree 来生成频繁项目集的FP-growth算法[6]。近些年其他类型的关联规则挖掘算法也相继问世[7，8]，明显进步于早期算法，但在食品安全领域的适用性并不理想。肉鸡养殖、屠宰的安全因素具有多值性、倾斜性、稠密性和负相关性等特点，使传统挖掘算法构建预警模型变得尤为困难。本研究针对食品安全因素的固有问题，结合HACCP管理体系，采用Association Path Tree Pattern Parallel Algorithm（APTPPA）算法构建了肉鸡产品质量安全预警模型。 　　1 肉鸡产品质量安全预警模型框架 　　本研究的预警模型是肉鸡产品质量控制与可追溯系统中的一个模块。该系统基于B/S架构，囊括肉鸡产品安全信息的监测、分析和追溯，能够挖掘溯源数据库中的异常数据，比对专家和历史数据库，生成有效的预警信息，并及时发出警报。肉鸡产品质量安全预警模型包括信息源、比对源、挖掘分析以及预警反馈4个模块。预警模型框架见图1。 　　信息源模块是预警模型数据的来源，以肉鸡溯源系统在肉鸡养殖、生产环节所收集的数据为基础，遵循HACCP体系，选取关键控制点中的记录进行预警挖掘。 　　比对源模块是专家数据和历史挖掘数据的数据源，在进行规则挖掘分析时，通常要与专家数据、历史数据对比，再得出挖掘规则。 　　挖掘分析模块是预警模型的核心，接收来自信息源的原始数据，经过对异常数据的分析，采用合适的关联规则挖掘算法，得出具有参考价值的规则，供下一个模块使用。 　　预警反馈模块是外部获得信息的窗口。当预警信息归类为紧急信息时，系统自动通知相关人员，即刻采取措施，避免造成食品安全事件和大规模损失。该模块还可供管理人员自主查询预警信息，从而提高预防能力，保证肉鸡产品质量，提高企业的行业竞争力。 　　2 肉鸡产品质量安全预警模型处理流程 　　肉鸡产品质量安全预警模型处理流程主要分为数据预处理、建立预警模型、挖掘结果检验3步[3]。预警模型详细处理流程如下： 　　（1）进行数据预处理，并设置算法的支持度、置信度阈值。 　　（2）利用关联规则挖掘算法搜索频繁项集。 　　（3）对已找到的频繁项集进行剪枝操作。 　　（4）判断是否完成频繁项集的搜索，若是则进入下一步，否则返回（2）。 　　（5）根据找寻到的频繁项集生成关联规则，并在通过规则检验后更新预警数据库。 　　数据预处理主要是对异常数据进行逻辑转换和分类操作。逻辑转换针对监测数据为连续值的情况，连续值数据无法进行关联规则挖掘，因此要事先转换成逻辑值。分类是保证预警模型预警等级准确的前提，不同分类的异常数据后续处理方式也不同。根据提取食品安全预警事件特征的方法，可将异常数据分为常规异常和超限异常。 　　超限异常是指对于各项指标集合，具有影响食品安全状况的评价结果，它是最容易导致食品安全问题的因素[9]。 　　常规异常包括不规范异常、分布异常、趋势异常。 　　（1）不规范异常。是指数据未按标准方式获得，具有不可信性，报警等级较低。 　　建立预警模型就是把预处理后的异常数据采用APTPPA算法进行数据挖掘，找到频繁项集，抽