粮食供应链危害物风险评价需从全供应链过程的演化机制和发展规律角度进行研究，目前已取得了一定研究成果。已有的一些方法依赖计量数据及统计数据，但由于风险分析过程中缺乏真实抽检监督的客观数据验证，掩盖了危害物在供应链环节内的耦合作用，容易从数理统计上得到违背实际关联规律的伪结论。
北京工商大学人工智能学院、食品安全大数据技术北京市重点实验室的王小艺、王珍妮，孔建磊*等提出结合频繁模式增长(FPG)的关联规则和自组织映射(SOM)算法的多维层次风险指标体系。本研究以食品抽检数据为基础，结合危害物含量水平、膳食结构、产品类型等计量统计数据以及调研数据，针对粮食供应链主要危害物(重金属、真菌毒素、农药残留和食品添加剂等)构建多维层 次结构的风险评价指标体系;利用FPG关联规则挖掘一级指标和二级指标内在关联，对风险指标层次性和优先程度进行排序；以排序结果为指导，应用SOM算法分析指标交 叉联系，自适应地计算各指标元素的风险权重，科学分析 我国粮食各供应链环节上各类危害物的风险分级情况，避免主观预定风险等级数量和划分限值干扰，可为后续粮食供应链风险预警和防控提供良好的依据。
多维层次危害物风险评价指标体系
本指标体系每个特性均分为一级和二级两个层次，上层评价指标需通过下层评价指标的评价结果反映，既涵盖定性指标，如社会关注度、危害程度、监管可及性等，同时兼顾定量指标，如全省年度总产量、粮食生产及消费价格、国家标准限定值等内容，体系框架如图1所示。
调研特性由普及性和认知性组成，通过调研依据和文献依据来对粮食产品中危害物的风险进行辅助评价，整个指标体系共9 个一级指标和32 个二级指标，具体如表1所示。
危害物综合风险分级评价
方法包含：标准归一化处理、上下级指标内在关联计算和指标交叉关联计算。即本研究在分析上下级指标内在关联基础上，以所有一级指标及二级指标作为控制变量，应用SOM神经网络开展综合风险评价，获得不同变量间交叉关联概率和权重分配。过程如图2所示。
本研究提出粮食供应链危害物综合风险分级评价方法，以关联规则挖掘一级指标和二级指标间内在关联程度，再依托SOM神经网络通过竞争学习机制将高维空间中各指标变量映射到风险等级结果，充分结合定量与定性指标间互补信息和差异信息，对不同地区各粮食供应链环节中主要危害物综合风险进行跟踪测评与等级评价，降低风 险评价分数的分散程度，使评价结果更加接近真实数据蕴含规律，以实现粮食供应链的风险控制、降低监管成本， 从而减少食品安全风险隐患提供可行的科学依据。
案例评价与分析
根据本研究所建立风险评价体系可以计算出不同危害物在粮食产品中的总风险值并进行风险等级划分，下面以某些危害物风险均值和风险等级进行分析。其 中，危害物可以粗略分为：霉菌毒素、农药残留、重金属和其他危害物（品质指标、食品添加剂、非法添加剂等）。
首先，分别计算各危害物在城市和乡村的抽检区域得分情况，并划分为7 个等级:安全(A)、低风险(L)、较低风险(RL)、中风险(M)、较高风险 (RH)、高风险(H)和超高风险(EH)。从表2可以看出，除铅(以Pb计)和玉米赤霉烯酮这两项危害物在城市区域得分低于乡村区域外，城市各项危害物得分比乡村更高一些，这表明城市的粮食产品污染发生时产生的风险要高于乡村区域，不难分析出城市的粮食食品供 应链相对于乡村更加复杂，导致其得分更高，但从城市和乡村区域比较来看，通过对城市和乡村区域数据进行方差分析可以得到两组数据的检验统计量为0.04，远小于其临 界值4.49，可以说明各危害物风险等级在城市与乡村区域间没有明显差别，故抽检区域对危害物严重程度无显着影响。而无论城市还是乡村区域，危害物风险分值分布基本服从其他危害物>重金属>霉菌毒素>农药残留的规律， 这也为划分粮食产品危害物监管的优先级提供了参考。
从供应链环节分析，如表3所示，消费环节的数据虽然较少，但铝的残留量(以干基计)得分为3 个大环节中最高，需要引起密切关注，而流通环节各危害物风险均高于生产环节，等级也略高于生产环节危害物所产生的风险等级。
接着，对不同粮食产品中的危害物风险均值分布情况进行分析，如表4所示，该表描述了各危害物在不同类型的粮食产品中出现的危害程度。其中，在大米、小麦及其他粮食加工品这3 类粮食产品中，多数危害物在出现的评价分数都比较相近，通过对3 组数据进行差异显着性分析，可以得出该3 类产品间的风险等级也无显着差异，值得关注的是一些有特殊数据的危害物。
最后，选出6 个粮食产量最高的省份，安徽、河南、河北、吉林、江苏和黑龙江，并对各典型危害物评价得分情况进行分析。如图3所示，各省份中危害物的种 类分布较为平均，尤其是山东省和河南省几乎覆盖了所有典型危害物，从条形图的高度来看，可以看出河南省粮食总体危害物风险较其他省份更高，而山东省涵盖的 危害物类型最多，也应引起相关监管机构的注意。横向来看，危害物铝的残留量(以干基计)分布最为广泛， 在各省份中均有体现，其次是苯并(a)芘、菌落总数、脱 氧雪腐镰刀菌烯醇和大肠菌群，这些典型危害物不仅分布广泛且风险平均值更高，为监控部门划分重点监控省份及典型危害物提供了良好的依据，降低了监控成本。
根据本研究所建立风险分级评价体系，可以对我国粮食风险防控的关键节点进行评估，得出风险等级高的食品危害物组合。通过对评价结果进行方差分析，可以 得出需要聚焦的重点省份为山东省、河南省，典型区域为城市区域，关键环节为流通环节以及高风险危害物， 包括铝残留、苯并(a)芘、菌落总数、脱氧雪腐镰刀菌烯醇和大肠菌群。因此，本研究建立基于FPG-SOM的粮食供应链危害物风险分级评价体系可以为我国的粮食监管提高针对性与高效性，为消费者对粮食产品的消费提供科学依据。
结 论
本研究在分析全国各省份的大量抽检数据及其他多维度数据基础上，从统计特性、抽检特性和调研特性3 种互补角度构建多维层次风险指标体系，提升粮食供应链中危害物风险综合评价的合理性和可行性。在此体系基础上，应用关联规则挖掘一级指标和二级指标的内在关系，客观准确地获取各指标权重，再通过竞争学习SOM网络将各指标变量映射到风险等级结果上，明确指标交叉关联，兼顾定量指 标和定性指标的互补和差异，实现粮食供应链危害物综合风险等级评价和分析。此风险指标体系和评价方法的建立，能识别出粮食供应链中危害物风险程度和优先次序，为监管部门制定有针对性的预警策略、确立优先监管领域和合理分配风险管理措施资源提供科学依据，也为广大消费者在选择粮食产品时减少食品安全风险隐患提供可行指导。
