[发明专利]食品安全风险评估方法

权利要求书

1.一种食品安全风险评估方法，其特征在于：包括以下步骤：

S1.采集目标区域内的L个月的食品安全风险评分并根据L个月的食品安全风险评分拟合形成L条风险波动曲线；

S2.对L条风险波动曲线进行基于密度的空间聚类，并提取出在不同时间尺度下的风险波动特征；

S3.基于引力搜索算法对不同时间尺度下的风险波动特征进行聚类；

S4.计算风险波动特征聚类后的评价指标CDI；

S5.重复步骤S3-S4，筛选出评价指标CDI中最小值所对应的风险波动波动曲线作为风险评估结果。

2.根据权利要求1所述食品安全风险评估方法，其特征在于：步骤S2中，基于密度的空间聚类为具有噪声的基于密度的空间聚类，其参数搜索半径为ε通过如下公式计算：

其中，P_max为L个月内的最大风险值，S为L个月中的一个月内风险数据的采样点个数。

3.根据权利要求2所述食品安全风险评估方法，其特征在于：步骤S2中，在不同时间尺度下的风险波动特征包括：

S21.将一个月分为三个阶段，其中，一个月中：1-10日为第一阶段，11-20日为第二阶段，大于20日之后的时间为第三阶段；

S22.计算一个月的三个阶段相对于全年的平均风险

其中，q＝1,2,3，分别对应于三个阶段；P_q为一个月中第q个阶段的平均风险，为全年的平均风险；

S23.计算全年的相对平均风险标准差σ：

其中，σ_q为一个月中的第q个阶段的平均风险标准差；

S24.计算风险波动曲线的四季平均相关系数

其中，为一年中第p个季节的风险波动值，为一年中第p个季节的平均风险值，为第h个季节的风险波动值，为第h个季节的平均风险波动值；h＝1,2,3,4；p＝1,2,3,4，其中，1表示春节，2表示夏季，3表示秋季，4表示冬季；

S25.构建风险波动特征向量

4.根据权利要求3所述食品安全风险评估方法，其特征在于：步骤S3中，基于引力搜索算法对不同时间尺度下的风险波动特征进行聚类具体包括：

S31.初始化处理：

以风险波动特征作为粒子，设定聚类数目K，设定粒子数目A，设定最大迭代次数N_max以及衰减系数，将所获得的每个样本随机指定为某一类，并作为粒子i，i＝1,2，…，A；

计算每一个类别的平均值，获取初始聚类中心将并将其作为粒子i的位置编码x_i，所有的粒子组成位置矩阵X⁽⁰⁾，同时随机初始化相同大小的速度矩阵V⁽⁰⁾；

S32.迭代更新处理：

构建适应度函数，并根据适应度函数评价每个粒子的好坏，其中，适应度函数为：

其中，fit_i(t)为第i个粒子在第t次迭代时的适应度值，t为迭代次数，C_ik为第i个粒子的第k个聚类中心，fⁿ为第n个采样对象的风险波动特征向量；

计算每个粒子的质量，并对其进行归一化，

其中，其中m_i(t)是粒子i第t次迭代时的质量，M_i(t)是m_i(t)归一后的质量，best(t)和worst(t)分别表示第t次迭代时适应度函数的最小值和最大值；其中：

计算每个粒子受到其他粒子对其的万有引力以及每个粒子的加速度：

其中，F_i^d(t)表示第i个粒子在第t次迭代时在第d维上受到的引力大小，rand_j为一个介于[0,1]之间的随机数，G(t)是第t次迭代时的引力常数，rand_j为一个介于[0,1]之间的随机数，G(t)是第t次迭代时的引力常数，G₀为万有引力常数初始值，α为衰减系数；R_ij(t)是第t次迭代时粒子i和粒子j之间的欧氏距离，G(t)＝G_o×e^-αt/Nmax；是第t次迭代时粒子i在d维上的加速度；

每一个粒子在每次迭代过程中按下式更新速度和位置：

其中分别表示第i个粒子在第d维上的速度和位置；

按照最近距离归类原则，将每个样本重新分配到当前距离该样本最近的聚类中心，分配完成后重新计算聚类中心，更新粒子的适应度值；

S33.当适应度函数值不再下降或者当迭代次数达到预设定的最大迭代次数N_max时即停止迭代。

5.根据权利要求4所述食品安全风险评估方法，其特征在于：步骤S4中，根据如下方法计算评价指标CDI:

其中，表示各个聚类中心间的平均欧式距离，第k类内的平均欧式距离。