基于PCA和ARIMA的食品安全风险因素辨识及预测方法

作者：沈霞芬; 蔡强^*; 吴利芳; 肖革新

来源：食品工业, 2021, 42(10): 332-337.

• 主成分分析
• 灰色关联度分析
• ARIMA模型
• 时间序列

基于环境、农业因素及消费量等数据,采用主成分分析(PCA)和灰色关联度分析相结合的方法,对我国1999—2018年食品安全风险进行综合评价,并确定关键影响因子;采用时间序列ARIMA模型对我国食物中毒事件进行预测,并给出相应的应用实例。结果表明,针对食品安全链上多维的食品安全影响因素,主成分分析与灰色关联度结合能够客观、全面地提取有效信息进行综合评价,并实现对食品安全关键影响因素的判断。同时,时间序列模型通过对序列中动态依存关系的获取,较好地刻画出实例中食物中毒事件起数的季节性特征,且具有较好的预测效果,预测值均落于95%的预测区间内。

• 单位
  国家食品安全风险评估中心; 浙江清华长三角研究院