[發明專利]基于布谷鳥搜索的隱馬爾可夫模型食品安全風險評估方法

在審

• 申請號: 202010034033.3
• 申請日: 2020-01-13
• 公開（公告）號: CN111291967A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 韓永明;耿志強;李佳桐;林曉勇
• 申請（專利權）人: 北京化工大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62
• 代理公司: 北京太兆天元知識產權代理有限責任公司 11108
• 代理人: 王宇

本發明公開了一種基于布谷鳥搜索的隱馬爾可夫模型食品安全風險評估方法，使用灰色關聯分析方法計算得到的權重和風險指數作為輸入，利用布谷鳥搜索算法對隱含狀態轉移概率矩陣A和可觀測狀態轉移概率矩陣B進行全局搜索，得到矩陣A和矩陣B的初始解，即得到隱馬爾可夫模型最優初始值，再將所得模型參數作為隱馬爾可夫模型的輸入進行精細化搜索訓練隱馬爾可夫模型，得到訓練好的模型動態評估和預測食品質量安全。本發明使用該模型對食品安全檢測數據進行評估和預測，通過評估和預測結果，可以對產生問題的原因和嚴重性進行分析，提前制定或調整風險控制措施，對食品生產、檢驗和管理部門提出建議。

技術領域

本發明涉及食品安全技術領域，尤其涉及一種基于布谷鳥搜索的隱馬爾可夫模型食品安全風險評估方法。

背景技術

近年來，食品質量安全事件頻繁發生，挪威出現的養魚業重大事故、2017年歐洲發生的毒雞蛋事件，以及中國、印度等亞洲國家報道的食品安全事件，使消費者對食品的質量安全問題產生擔憂。通過結合食品不同影響因素的權重得到食品檢測數據對應的風險值，從而實現對食品質量安全的風險評估，可為政府部門提前制定風險計劃提供數據支撐，同時為企業提高食品質量提供建議，減少食品質量安全問題對消費者產生的傷害。因此，開展對食品質量安全的風險評估方法的研究，以提高風險防控能力，是目前亟待解決的問題。

使用隱馬爾可夫模型進行風險評估，需要訓練模型參數，常用的模型參數的訓練方法為Baum-Welch算法。然而Baum-Welch算法為局部最優算法，嚴重依賴初始值，可能使得參數收斂到局部最優解，影響評估的準確度。

發明內容

為解決現有技術存在的局限和缺陷，本發明提供一種基于布谷鳥搜索的隱馬爾可夫模型食品安全風險評估方法，包括：

使用灰色關聯分析方法計算得到的權重和風險指數作為輸入；

使用布谷鳥搜索算法對隱含狀態轉移概率矩陣A和可觀測狀態轉移概率矩陣B進行全局搜索，得到隱含狀態轉移概率矩陣A和可觀測狀態轉移概率矩陣B的初始解，即得到隱馬爾可夫模型最優初始值；

計算解的適應度函數，計算公式如下：

其中，x₀是隱馬爾可夫模型的參數λ＝(π,A,B)，L是觀測序列的長度，P(O^k|λ_i)根據前向后向算法計算獲得，

當不滿足停止條件時，使用萊維飛行生成新的解x_j，計算公式如下：

其中，表示布谷鳥i的第t代的解，表示點乘，表示步長，Levy(β)表示萊維隨機搜索路徑；

獲得新的可行解，計算公式如下：

其中，u和v服從標準正態分布，β＝1.5；

若新解的適應值優于舊的候選解，使用新解代替候選解；

使用偏好隨機游動產生新解代替丟棄的解，生成新解的計算公式如下：

其中，γ為縮放因子，是在(0，1)區間之內均勻分布的隨機數，和表示第t代的兩個隨機數；

將所得參數作為隱馬爾可夫模型的輸入進行精細化搜索訓練隱馬爾可夫模型；

使用訓練之后的隱馬爾可夫模型評估和預測食品安全風險。

可選的，所述獲得新的可行解的步驟包括：

Levy(β)服從萊維概率分布，計算公式如下：

Levy～u＝t^-β1＜β≤3 (3)