本发明专利技术提供一种基于贝叶斯框架的食品风险评估方法及装置，首先基于对每种样本的未检出率选择零膨胀对数正态混合模型或左删失对数正态混合效应模型对相应重金属浓度的分布进行拟合，在贝叶斯框架下，结合了样本数据和未知参数的先验信息，用样本数据对参数的先验分布进行调整与更新，从而得到参数的后验分布，并计算待评估食品中各重金属的目标危害系数，以准确评价待评估食品中各重金属的危害情况。况。况。
【技术实现步骤摘要】
一种基于贝叶斯框架的食品风险评估方法及装置
[0001]本专利技术涉及重金属污染检测评估
，尤其涉及一种基于贝叶斯框架的食品风险评估方法及装置。
技术介绍
[0002]随着市场经济不断发展，食品种类越来越丰富，新的食品安全问题不断涌现，严重危害人民群众的身体健康。如果对食品安全问题不能及时的发现和处理，就会出现生命危险甚至导致大规模食品安全事件发生，其中铅、汞、镉、砷和铬是对人体健康危害最严重的五种重金属。重金属可以在人体内蓄积，达到一定阈值后，就开始破坏人体的各类生化反应，造成各种疾病。重金属污染评估方法的研究可以对食品的重金属风险的分布进行识别，并从风险分布中得到分位数、均值、方差等信息，比起传统的确定性方法，能更全面地了解重金属风险在人群中的分布，对防止重金属导致的食品安全事件的发生起到重要作用。
[0003]传统的食品安全风险评估中，主要通过采用固定值计算癌症风险指数、基于熵权的层次分析法，神经网络等方法进行评估。传统方法主要利采用重金属的浓度进行评价，优点在于计算简单，便于理解，但往往忽略了个体间的差异性和重金属浓度分布，损失了风险分布的信息。
[0004]近年来，人们从确定性角度转向概率性角度，强调估计健康风险的概率分布，而不仅仅是一个确定的值。蒙特卡罗模拟是估计健康风险概率分布和量化风险评估中变异性和不确定性的常用方法之一，主要通过对各个输入参数进行分布拟合，然后从拟合分布中重抽样，根据风险评估模型和输入参数的分布，通过重复抽样和计算，从而得到健康风险的分布。然而上述方法有其局限性，在样本充足的情况下蒙特卡洛模拟表现良好，但数据有限或者没有数据可用表现很差。在只有均值，标准差等先验信息可用的情况下会出现问题，因为蒙特卡洛方法依赖于样本数据，并不涉及对先验信息的利用，样本量过小时，参数的分布拟合效果不佳，从拟合分布中重抽样会出现较大的偏差。然而在实际的食品安全风险评估中，收集大量的食品样本并对其进行检测不太现实，一是非常耗时，二是成本又高，因此通常只能得到少量样本。
[0005]除此之外，由于检测设备或水平所限，食品中浓度低于检出限(LOD)的重金属往往不能被检出，因此食品重金属检测结果中常常包含一定比例的未检出数据，处理这类未检出数据的传统方法是用0或1/2检出限来替代，然而这会对风险评估结果造成较大的偏差，特别是当未检出的比例较高时。所以，亟需一种新的食品重金属风险评估方法，以实现对食品中重金属的精确评估。
技术实现思路
[0006]鉴于此，本专利技术提供了一种基于贝叶斯框架的食品风险评估方法及装置，以消除或改善现有技术中存在的一个或更多个缺陷，解决传统评估方法中由于食品样本数据少且部分浓度低于检出限的样本造成的偏差。
[0007]本专利技术的技术方案如下：
[0008]一方面，本专利技术提供一种基于贝叶斯框架的食品风险评估方法，包括：
[0009]获取对待评估食品中至少一种重金属的多次检测结果，并分别计算每种重金属的未检出率，所述未检出率为未检出样本占总样本个数的比例；
[0010]根据每种重金属的未检出率选择零膨胀对数正态混合模型或左删失对数正态混合效应模型对相应重金属浓度的分布进行拟合，其中，各重金属的未检出率达小于第一设定比例时采用零膨胀对数正态混合模型，各重金属的未检出率大于所述第一设定比例时采用左删失对数正态混合效应模型；
[0011]在贝叶斯框架下指定每个重金属对应的零膨胀对数正态混合模型或左删失对数正态混合效应模型的未知参数的先验分布，所述未知参数至少包括各重金属浓度的均值和标准差；
[0012]计算各重金属对应的目标危害系数，所述目标危害系数为相应重金属长期摄入量与参考剂量之比，所述长期摄入量为暴露年限、每日摄入率、暴露频率与重金属浓度的乘积；所述参考剂量为重金属参考剂量、成年消费者体重与平均暴露时间的乘积；其中，所述暴露年限、所述每日摄入率、所述暴露频率、所述重金属参考剂量、所述成年消费者体重与所述平均暴露时间是基于设定标准确定的分布或参考值；
[0013]根据贝叶斯公式进行吉布斯抽样，获取所述未知参数的后验分布以及计算各重金属对应的目标危害系数的近似分布，并根据各重金属对应的目标危害系数的近似分布评价所述待评估食品中相应重金属的致癌风险。
[0014]在一些实施例中，所述第一设定比例为60～70％。优选地，所述第一设定比例为60％在一些实施例中，各重金属的未检出率达小于第一设定比例时，所述零膨胀对数正态混合模型对相应重金属浓度的拟合函数为：
[0015]f(c)＝P0I(c＜LOD)+(1
‑
P0)(1
‑
I(c＜LOD))g(c),c≥0；
[0016]其中，c为重金属浓度变量，P0＝P(c＜LOD)表示重金属浓度小于检出限的概率，LOD表示检出限；定义示性函数I(c＜LOD)，若c＜LOD则I(c＜LOD)取1,若c≥LOD则I(c＜LOD)取0,且I(c＜LOD)服从概率为P0的伯努利分布；g(c)表示重金属检出的浓度：
[0017][0018]其中，c为重金属浓度变量，μ表示重金属检出的浓度的均值，σ2表示重金属检出的浓度的方差：
[0019]在一些实施例中，所述方法还包括：
[0020]在贝叶斯框架下，对所述零膨胀对数正态混合模型中g(c)的参数指定无信息先验分布，重金属检出的浓度的均值服从正态分布，表示为：μ～N(0,0.01)；
[0021]重金属检出的浓度的方差的倒数服从伽马分布，表示为：σ
‑2～Ga(0.1,0.1)；
[0022]重金属浓度小于检出限的概率服从正态分布，表示为：P0～B(1,1)。
[0023]在一些实施例中，各重金属的未检出率达小于第一设定比例时，所述左删失对数正态混合效应模型对相应重金属浓度的拟合函数为：
[0024][0025]其中，p0为待估计的样本重金属浓度为零的概率；示性函数I(c＜LOD)服从概率为的伯努利分布；Φ表示标准正态分布的累计分布函数，表示密度函数。
[0026]在一些实施例中，在贝叶斯框架下，对所述左删失对数正态混合效应模型指定参数的无信息先验分布，重金属检出的浓度的均值服从正态分布，表示为：μ～N(0,0.01)；
[0027]重金属检出的浓度的方差的倒数服从伽马分布，表示为：σ
‑2～Ga(0.1,0.1)；
[0028]重金属浓度小于检出限的概率服从正态分布，表示为：P0～B(1,1)。
[0029]在一些实施例中，所述暴露年限、所述每日摄入率、所述暴露频率、所述重金属参考剂量、所述成年消费者体重与所述平均暴露时间是基于设定标准确定的分布或参考值，包括：
[0030]设置所述暴露年限服从均匀分布U(30,70)，所述每日摄入率服从对数正态分布LN(
‑
2.91,6.08)，所述成年消费者体重服从对数正态分布LN(4.06,30.08)；设置所述平均暴露时间为25500天，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于贝叶斯框架的食品风险评估方法，其特征在于，包括：获取对待评估食品中至少一种重金属的多次检测结果，并分别计算每种重金属的未检出率，所述未检出率为未检出样本占总样本个数的比例；根据每种重金属的未检出率选择零膨胀对数正态混合模型或左删失对数正态混合效应模型对相应重金属浓度的分布进行拟合，其中，各重金属的未检出率达小于第一设定比例时采用零膨胀对数正态混合模型，各重金属的未检出率大于所述第一设定比例时采用左删失对数正态混合效应模型；在贝叶斯框架下指定每个重金属对应的零膨胀对数正态混合模型或左删失对数正态混合效应模型的未知参数的先验分布，所述未知参数至少包括各重金属浓度的均值和标准差；计算各重金属对应的目标危害系数，所述目标危害系数为相应重金属长期摄入量与参考剂量之比，所述长期摄入量为暴露年限、每日摄入率、暴露频率与重金属浓度的乘积；所述参考剂量为重金属参考剂量、成年消费者体重与平均暴露时间的乘积；其中，所述暴露年限、所述每日摄入率、所述暴露频率、所述重金属参考剂量、所述成年消费者体重与所述平均暴露时间是基于设定标准确定的分布或参考值；根据贝叶斯公式进行吉布斯抽样，获取所述未知参数的后验分布以及计算各重金属对应的目标危害系数的近似分布，并根据各重金属对应的目标危害系数的近似分布评价所述待评估食品中相应重金属的致癌风险。2.根据权利要求1所述的基于贝叶斯框架的食品风险评估方法，其特征在于，所述第一设定比例为60～70％。3.根据权利要求1所述的基于贝叶斯框架的食品风险评估方法，其特征在于，各重金属的未检出率达小于第一设定比例时，所述零膨胀对数正态混合模型对相应重金属浓度的拟合函数为：f(c)＝P0I(c＜LOD)+(1
‑
P0)(1
‑
I(c＜LOD))g(c),c≥0；其中，c为重金属浓度变量，P0＝P(c＜LOD)表示重金属浓度小于检出限的概率，LOD表示检出限；定义示性函数I(c＜LOD)，若c＜LOD则I(c＜LOD)取1,若c≥LOD则I(c＜LOD)取0,且I(c＜LOD)服从概率为P0的伯努利分布；g(c)表示重金属检出的浓度：其中，c为重金属浓度变量，μ表示重金属检出的浓度的均值，σ2表示重金属检出的浓度的方差。4.根据权利要求3所述的基于贝叶斯框架的食品风险评估方法，其特征在于，所述方法还包括：在贝叶斯框架下，对所述零膨胀对数正态混合模型中g(c)的...
【专利技术属性】
技术研发人员：王学丽，李莹，楚琦，黄思敏，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。