毕业论文网
本论文是一篇免费优秀的关于食品检验论文范文资料，可用于相关论文写作参考。
基于食品检验数据的关联规则
摘 要：食品安全监管数据量大、隐含的信息以及数据之间的规律不易被发觉.本文研究了Excel 数据挖掘模块的关联规则对食品检测数据进行挖掘的方法,研究结果表明,关联模型得出的规则对食品安全监管有一定的指导意义.
关键词：食品安全；数据挖掘；关联规则
食品安全监管中每年会产生大量的检测数据,其特点是信息量大、更新速度快、涉及面广、突发事件多,按理对某一类食品完成危害物质的物识别后,对这一类食品的各种类产品中的所有危害物每次都应进行全面检测,如根据卫生部公布的《食品中可能违法添加的非食用物质和易滥用的食品添加剂名单》对各类食品进行全面抽查,并检测是否使用非食用物质和滥用食品添加剂.但在实际的食品安全监管工作中,基于经济性和效率的考量,对某类特定的食品,总是有目的地选取其中的一些危害物来进行检验.这种对危害物实施有选择性检验的做法在很大程度上有助于将有限的检验资源尽可能地用于风险程度较高的危害物,从而提高监管的效率[1-2].但在这种抽样检验的方式中,如何科学地抽检、科学地确定所抽检样品的检验项目、确定危害物施检频率是食品药品安全监管部门最为关注也是迫切需要解决的问题之一[3].
数据挖掘是近年来数据库应用领域中相当热门的话题.数据挖掘一般是指在数据库或数据仓库中利用各种分析方法与技术,对过去累积的大量繁杂数据进行分析、归纳与整合等工作,提取出有用的信息,如趋势、模式及相关性等,并将其中有价值的信息作为决策参考提供给决策者[4].本文运用Excel 数据挖掘软件开展了数据挖掘的关联规则、预测模型分析方法在食品预测方面的研究,并基于某食品中硼的监测,研究各自检验检测数据之间的关联,依据食品安全评价指标体系,对数据进行分析、建模和描述,挖掘数据项中有意义的规律,将产生的预测模型及时进行分析和响应,以达到科学调配制定抽检监测计划,提高食品安全检测数据的利用效率,从而提高食品安全监管水平的目的.
1 数据预处理
从数据软件的浏览数据功能可以建立基本数据的统计信息,依据所选择的数据列产生直方图,如图1 所示.
图1 中监测样品大多数来自北京市,抽样场所主要为生产领域的成品库,样品配料以含豆类和坚果为主,监测结果显示硼的检测数值主要分布在2.6 ～ 3.7 mg/kg,结论大部分为不判定样品,等级主要是一般风险.
2 关联分析
关联规则是分析并发现数据库中不同变量或个体间的关联程度,并利用关联规则建立变量行为模型.关联规则算法生成的规则描述哪些项最有可能在事务中出现在一起.借助这些规则,可以根据其他项在事务中的出现情况,来预测某一项的出现情况.本文选用Microsoft 关联规则,Apriori 算法,设定最小支持度为10%,最小置信度为96%,自变量“风险等级”为因变量（预测变量）,建立关联规则模型进行挖掘,借此找出哪种自变量和风险等级最有关系.
2.1 自变量的设定
本文根据数据源各个数值的特性,设定了输入的自变量,见表1.
2.2 挖掘模型
从关联规则的数据模型中可以看出,构建的关联规则模型,可以用依赖关系网络来反映因变量的不同取值和自变量的不同取值之间的关系.在本文数据源挖掘所反映的依赖关系网络图,如图2 所示,反映了风险等级“一般”的关联状况,此种风险等级与“结论等于 不判定样品”关联最强,即结论为不判定样品的产品风险等级为一般.
将依赖关系网络图的链接进一步扩展,如图3 所示,发现“配料等于 含豆类”且硼检测值在3.071 ～ 3.529 mg/kg,风险等级为一般的可能性最大.因此,依赖关系网络的链接可一步步反映“风险等级等于 一般”与其他自变量之间的关联.
通过节点的选取,如图4 所示,可以发现“风险等级等于 较高”的关联规则与“结论等于 问题样品”和“配料等于 不含坚果、豆类”样品的关系最大,也就是说配料不含坚果、豆类风险较高.
3 结语
从关联模型筛选出的规则中可以得出,食品中硼的风险主要来自配料,含坚果和豆类的产品风险较高,在该项目的后期监管实施期间,可以重点关注这类产品的风险.因此,从本文运用Excel 数据挖掘模块进行关联规则的挖掘结果中可以看出,关联规则的挖掘可以找出大量检测数据之间的隐含规律,从中发掘出有用的数据信息,相较于简单机械化的表格筛选统计更加科学可靠.因此,将关联规则运用在食品安全监督抽检和风险监测中,可以进一步提升监管效果和水平.
食品检验论文范文结:
关于食品检验方面的的相关大学硕士和相关本科毕业论文以及相关食品检验论文开题报告范文和职称论文写作参考文献资料下载。
1、食品营养学论文
2、中华检验医学杂志
3、医学检验毕业论文
4、医学检验论文范文
5、食品和健康论文