食品安全综合评价及预测

《食品安全综合评价及预测》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、食品安全综合评价及预测摘要本文主要研究两个问题，其一是如何系统地对近年我国食品安全进行评价；其二是如何准确有效地预测未来几年我国食品安全情况。针对问题一：本文采用2000-2005年间食品化学残留合格率、微生物污染合格率、食品卫生总体合格率、食品安全认知度、食品出口产值、中毒人数、死亡人数以及食品安全法规数作为研究对象。由于影响食品安全的因子甚多，所以采用主成分分析法将多种因子进行降维处理，可得第一、第二、第三主成分的贡献率分别为56.16%、24.94%、11.97%，累计贡献率为93.07%，超过85%，故只需求出第一、第二、第三主成分z1、z

2、2、z3、即可。其中化学残留合格率、微生物污染合格率、食品出口产值以及食品安全法规数占第一主成分的荷载分别为0.9903、0.9254、0.9926、0.9352，与第一主成分呈现明显的正相关，故此4类因子可归结为第一主成分。相似得，食品安全认知度归结为第二主成分，食品卫生总体合格率与死亡人数归结为第三主成分。接下来便是确定各类指标因子的权重，由前数据可知，第一主成分的4个因子主成分荷载类似，故权重系数可取56.16%÷4=0.1404；第二主成分只有一个因子，故权重等于贡献率，为0.2494；第三主成分有两个指标因子，根据主成分荷载分配贡献率可得

3、权重分别为0.0731、0.0356。最后，便是根据各类因子数值及相应权重确定食品安全评价综合指数，其应为不同指标加权之和，F=0731X1+0.1404X2+0.1404X3+0.2494X4-0.0356X6+0.1404X7+0.1404X8，得出2000-2005年的食品安全评价指数分别为51.43、52.59、56.12、55.68、59.52、61.24。针对问题二：本文采用2000-2005年已得出的每年食品安全评价指数，利用灰色系统理论，，预测未来3年2011-2013年的评价指数值为65.4912、65.5376、66.0012，

4、并进行检验，>90%，精度为一级，故可以用此模型进行预测。由预测值可见，虽然未来几年食品安全指数逐年增加，但增加极为缓慢，食品安全仍然存在较大风险。关键词：食品安全主成分分析评价指数灰色系统预测1.问题重述近年来，地沟油、硫磺姜、回炉面包、三鹿牛奶等食品安全事件频发，食品安全问题似乎是当下中国最热门的一幕丑剧。今年，瘦肉精事件尚未平息，4月，上海染色馒头又像一重磅炸弹引爆全国；随后接棒的则有温州毒馒头、广东墨汁粉条、辽宁毒豆芽等。常年风起云涌的食品安全事件，像一双双粗重的钢琴手，一次次肆虐地撩拨人们敏感的神经。为此，人大常委会建议：把食品安全作为国

5、家安全组成部分，其重要性不亚于金融安全、粮食安全、能源安全、生态安全；加大对违反食品安全行为的惩处力度，以法治的方式维护公民的“食品安全权”；推进食品，尤其是农产品的规模化、产业化生产经验，从根本上保证食品质量；参照科学依据，结合中国国情，制定出全国统一的食品安全检验和认定标准；充分发挥社会组织作用，强化食品生产行业协会的作用，加强行业自律；加强宣传力度，将涉及到食品安全方面的法律法规汇编成册，针对从业者流动性强等特点，加大宣传力度并从严考核；充分发挥社会监督的作用，鼓励全社会共同参与食品安全监督等。请你们选择感兴趣的关于食品安全问题的某个侧面(比

6、如：食品中污染物的分布，食品安全事件预警，您也可以选择其它方面研究)，建立数学模型，利用互联网数据，定量评估食品安全问题。2.问题分析本课题的内容主要包括对食品安全问题的分析、评价及预测。由于食品安全是由多种因素共同作用产生的，存在着较大的模糊性和不确定性，因此要选取较为合理、代表性强、易于量化的评价指标来建立评价体系。本文采取食品卫生总体合格率、化学残留检测合格率、我国食品安全法规及标准健全程度等等为评价指标，确定评价指标的权重系数，由此而建立综合评价体系。而影响食品安全的因子甚多，鉴于这种情况，我们可以用主成分分析法把多种复杂因素限制为主要的几

7、种代表因素，使之针对性较强，更易于研究对策。更为重要的一个问题是如何准确的预测未来食品安全情况，基于此系统为信息不完全明确的灰色系统，可以采用GM（1，1）模型进行比较准确地预测。3.模型假设1.假设所收集数据真实有效。2.假设食品安全评价主要由我们所选的指标确定，其他因素影响甚微，可以忽略。3.假设食品安全指数具有可预测性。4.符号说明F——食品安全综合评价指数——各评价指标——各主成分——第i个主成分的特征值——特征向量——主成分荷载——灰色关联度5.模型的建立与求解5.1食品安全指标主成分分析5.1.1主成分分析概述利用主成分分析原理，先对指

8、标值进行标准化处理，然后求出两两指标间的相关系数，得到相关系数矩阵R；求矩阵R的特征值、特征向量和方差贡献率，确定提取的主