欧洲食品安全的时间稳定性分析与基于区制的风险情报框架:一种综合机器学习方法

《Frontiers in Sustainable Food Systems》:Temporal stability analysis and regime-based risk intelligence framework for European food safety: a comprehensive machine learning approach

【字体: 大 中 小 】 时间:2026年08月03日 来源:Frontiers in Sustainable Food Systems 4.1

编辑推荐:

  食品安全监测体系产生大量时间序列数据,需借助精密分析框架提取可支撑监管决策的行动情报。本研究提出一种综合时间序列稳定性分析与基于区制的风险情报框架,应用于欧盟快速预警系统(Rapid Alert System for Food and Feed,RASFF)2

  
食品安全监测体系产生大量时间序列数据,需借助精密分析框架提取可支撑监管决策的行动情报。本研究提出一种综合时间序列稳定性分析与基于区制的风险情报框架,应用于欧盟快速预警系统(Rapid Alert System for Food and Feed,RASFF)2019–2025年数据。所提方法整合五种互补的稳定性检验统计检验,包括增广迪基-富勒检验(Augmented Dickey-Fuller,ADF)、KPSS检验(Kwiatkowski-Phillips-Schmidt-Shin)、方差比分析、结构突变检测与滚动统计评估。引入带马尔可夫转移动力的三区制风险分类系统以刻画食品安全监测系统内的不同运行状态。实验结果表明,该期间欧盟食品安全风险率序列结构性不稳定证据有限,描述性稳定性得分为0.80(满分1.00)。堆叠集成(stacking ensemble)取得84.3%准确率(95%自助置信区间[0.8315, 0.8532]);较随机基线高23.2个百分点,但仅比较多数类基线高2.4个百分点,且与最强单体模型统计不可区分,故不宣称集成具决定性优势。仅识别出一个共识结构突变点(2021年9月),六项早期预警指标中仅一项呈显著趋势,证实系统稳定。由于RASFF反映报告与查验活动而非潜在危害发生率,这些发现被解释为在所述建模假设下监测流内的时间规律性描述,而非欧盟食品安全治理有效性或稳定性的证明。
研究背景与问题提出
食品安全是全球公共卫生核心议题,欧盟自1979年起依托RASFF网络交换食品与饲料严重风险通报。已有机器学习研究多聚焦横截面风险分类,忽视风险模式是否具有时间稳定性或经历系统性结构变化这一根本问题。若风险模式高度稳定,表明监测机制有效且静态训练的分类器仍适用;若存在显著结构突变或区制转换,则需自适应建模。现有文献在形式化时间稳定性检验、区制分类、结构突变检测、临界慢化早期预警及统计不确定性量化方面存在空白。为此,研究人员在《Frontiers in Sustainable Food Systems》发表该研究,构建统一框架耦合计量经济学时间诊断与传统监督分类器,在泄漏受控的时间协议下评估RASFF风险率序列。
主要关键技术方法
研究队列为RASFF 2019年1月至2025年12月公开通报记录,剔除风险决策缺失或模糊项后获22,643条机器学习可用样本,按月聚合成84个时间点风险率序列。时间稳定性检验并行使用ADF、KPSS、方差比、基于Chow检验的结构突变与滚动统计(Kendall τ趋势);区制划分采用风险率分布三分位阈值定义低、中、高三态,由观测转移计数估计三乘三马尔可夫转移矩阵及稳态分布;结构突变检测融合CUSUM、二值分割、PELT与滑动窗口t检验四类算法并以至少两法±2月共识确认;早期预警基于临界慢化理论监控AR(1)、方差、偏度、峰度、变异系数与ACF衰减六项指标,以Kendall τ判趋势;预测端构建含随机森林、XGBoost、LightGBM等八基模型加L2正则逻辑回归元学习的堆叠集成,按时间切分前80%训练后20%测试,历史特征以严格过去窗口expanding().mean().shift(1)构造防泄漏,并用2000次自助、McNemar检验与置换检验做统计验证。
研究结果
5.1 时间稳定性评估:ADF统计量?14.998拒绝单位根,KPSS=0.235未拒趋势平稳,方差比0.076偏离随机游走,Chow F=2.277无结构断点,滚动均值存趋势但五项检验四项支持平稳,描述性稳定得分0.80,结论为序列均值回复且参数稳定。
5.2 突变点检测:四法仅共识出2021年9月(月索引32)单点,对应疫情后供应链恢复阶段,突变更替稀少强化稳定性结论。
5.3 区制分类分析:三分位强制各28月,低风险均率71.2%变异性最高,中风险79.9%最紧致,高风险85.4%;转移矩阵对角占优(自转移0.50/0.50/0.37),稳态近似均分33.7%/33.7%/32.5%;但一阶马尔可夫似然比检验不显著(χ2=8.24,df=4,p=0.083),区制大小均分源于构造,转移概率Wilson区间宽且重叠,故仅作描述。
5.4 早期预警信号分析:六指标仅偏度Kendall τ=0.383(p<0.001)示警,AR(1) τ=0.059不升反稳,方差与变异系数显著下降,不符临界慢化预期,系统未近 tipping point。
5.5 预测模型表现:堆叠集成准确率0.843(CI[0.8315,0.8532]),正类F1=0.910但宏F1=0.646,少数类召回仅0.275,κ=0.308、MCC=0.342;较随机基线+23.2%、较多数类+2.4%,与随机森林McNemar p=1.0不可分,属多数类主导可学结构而非决定性最优。
5.6 统计验证:自助CI重叠、McNemar不拒同错率、置换p=0.0126仅边际显著,整体不支持集成稳健优于最强单模型。
讨论与结论翻译
讨论指出,0.80稳定得分与单突变点表明2019–2025年RASFF风险率在所用假设下无大尺度结构失稳;三区制因三分位构造而均分,转移结构非验证动力模型;早期预警缺位反映监测流内无失稳趋势而非内在危害韧性;集成84.3%准确率处在该数据源已知性能包络内。结论重申:风险率序列结构性不稳定证据有限(描述稳定分0.80);仅2021年9月一共识突变点;区制过渡概率区间宽且一阶马尔可夫不显著,仅描述用;六预警指标一显著;堆叠集成84.3%准确率超随机23.2点、超多数类2.4点且与最强单模型不可分。上述结果仅描述RASFF报告流时间规律,不证明欧盟治理有效或稳定,标准ML无需复杂漂移适配,区制与突变分析宜作监管注意力组织工具。未来需扩时序、入文本与定量危害、跨区数据集验证。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号