陳海濤

（中國食品藥品檢定研究院信息中心 北京 102629）

1 引言

當前，在食品、藥品安全監(jiān)管體制機制、法律法規(guī)、政策標準、監(jiān)測評估、檢驗檢測、人才隊伍、技術(shù)裝備等方面，還存在一些亟待解決的問題［1～3］；比如食品、藥品行業(yè)產(chǎn)業(yè)化、規(guī)?；?、集約化程度不高，基礎薄弱，產(chǎn)地環(huán)境污染問題較為嚴重；企業(yè)主體責任落實不夠，質(zhì)量安全控制投入不足，管理能力不強，行業(yè)誠信道德體系建設滯后［4～5］；危害食品、藥品安全的違法犯罪行為屢禁不止，食品、藥品安全風險隱患依然較多，食品、藥品安全事故時有發(fā)生，食品、藥品安全監(jiān)管面臨的形勢依然復雜嚴峻［6～8］。

目前，食品、藥品安全的信息化平臺建設將逐步建成覆蓋全市各級食品藥品監(jiān)管部門的統(tǒng)一高效、互聯(lián)互通、協(xié)同共享的食品藥品安全服務、監(jiān)督管理的行政服務平臺［9～10］。根據(jù)食品、藥品安全監(jiān)管信息化建設趨勢，按照各級政府的要求并結(jié)合目前實際情況，充分利用現(xiàn)代信息技術(shù)，科學進行頂層設計，推進食品藥品監(jiān)管信息化工作開展，建成食品藥品安全綜合監(jiān)管統(tǒng)一平臺［11～12］，兩級聯(lián)動的監(jiān)控指揮中心，完善三大支撐體系，建成日常監(jiān)管、稽查執(zhí)法、應急處理、信息監(jiān)測、信用管理、溯源管理、行政服務為核心的七大應用系統(tǒng)，實現(xiàn)“一平臺、兩中心、三大支撐體系、七大應用系統(tǒng)”的整體目標，以全面提升我市食品藥品安全監(jiān)管水平、公共服務水平和決策水平［13～14］。

2 信息化平臺體系架構(gòu)設計

在信息化平臺架構(gòu)設計中，將其劃分為基礎層、數(shù)據(jù)層、數(shù)據(jù)處理層、數(shù)據(jù)應用層。具體架構(gòu)示意圖如圖1所示。通過該信息化平臺實現(xiàn)食品、藥品安全時空預警信息化體系的業(yè)務架構(gòu)設計，實現(xiàn)以“食品、藥品健康鏈”為主線的全生命周期信息監(jiān)測預警，下文將詳細描述。

圖1 信息化平臺體系架構(gòu)設計框圖

在基礎層中，其包含有網(wǎng)絡系統(tǒng)、智能設備、檢測裝置、存儲設備等，主要是用于維持信息化平臺體系架構(gòu)運行的硬件裝置等，除此還包含計算機、應用程序服務器、數(shù)據(jù)庫服務器、通訊協(xié)議、機房等基礎設施。

在數(shù)據(jù)層中，其包含各種不同設備傳遞的數(shù)據(jù)，用于存儲各個基礎層使用過程中用戶傳遞、錄入的數(shù)據(jù)、智能設備測量的食品、藥品數(shù)據(jù)，這些底層的檢測設備通過數(shù)據(jù)接口傳遞到數(shù)據(jù)層，為智能設備提供數(shù)據(jù)接口。在數(shù)據(jù)層中，其還包括數(shù)據(jù)信息系統(tǒng)，在該系統(tǒng)中，其還包括監(jiān)控系統(tǒng)，如圖2所示。該數(shù)據(jù)信息系統(tǒng)包含監(jiān)控系統(tǒng)，監(jiān)控系統(tǒng)連接有數(shù)據(jù)采集單元、數(shù)據(jù)共享單元，其中數(shù)據(jù)采集系統(tǒng)采集數(shù)據(jù)有食品相關(guān)數(shù)據(jù)、藥品相關(guān)數(shù)據(jù)，在采集過程中，通過食品污染物監(jiān)測網(wǎng)絡、藥品污染物監(jiān)測網(wǎng)絡或其他食品、藥品污染物監(jiān)測網(wǎng)絡。監(jiān)測后的數(shù)據(jù)在數(shù)據(jù)信息系統(tǒng)中進行共享。這些數(shù)據(jù)包含但不限于食品安全抽檢數(shù)據(jù)、藥品安全抽檢數(shù)據(jù)、進出口食品、藥品數(shù)據(jù)、其他監(jiān)控數(shù)據(jù)、食品、藥品狀態(tài)數(shù)據(jù)，通過數(shù)據(jù)共享實現(xiàn)不同單元之間的數(shù)據(jù)共享。

圖2 數(shù)據(jù)信息系統(tǒng)構(gòu)架圖

在數(shù)據(jù)處理層中，其包含了底層設備或系統(tǒng)所需要的所有功能上的算法和計算過程，并與上層的數(shù)據(jù)應用層進行數(shù)據(jù)交互。抽象的說，數(shù)據(jù)處理層就是處理、計算、管理與數(shù)據(jù)業(yè)務相關(guān)的部分，在本文設計中，采用了機械學習算法對食品、藥品數(shù)據(jù)進行處理，比如：決策樹算法模型、Apriori算法、AP聚類分析算法、BP神經(jīng)網(wǎng)絡模型、支持矢量機算法、Adaboost迭代算法等機器學習方法構(gòu)建預測預警模型［15］，其數(shù)據(jù)算法模型如圖3所示。

圖3 數(shù)據(jù)處理模型示意圖

其中AP聚類分析方法是一種機器學習并且無監(jiān)督的聚類算法，借助于AP聚類分析方法能夠?qū)⒉煌瑓^(qū)域的多類評價指標按醫(yī)學發(fā)病程度或者食品、藥物污染情況，按一定的屬性分類，這樣以比較不同區(qū)域的總體食品、藥品情況。BP神經(jīng)網(wǎng)絡模型算法是按誤差逆?zhèn)鞑ニ惴ㄓ柧毜亩鄬忧梆伨W(wǎng)絡，該方法利用梯度搜索技術(shù)，將網(wǎng)絡的實際輸出值和期望輸出值的誤差均方差為最小。支持矢量機模型主要用來解決不同數(shù)據(jù)之間的模式識別問題、函數(shù)回歸問題。利用上述算法模型能夠建立以食品污染、藥品殘留、食品殘留、重金屬污染、微生物致病菌等類別作為輸出層的食品、藥品安全預警模型［16］。通過各種不同數(shù)據(jù)的訓練樣本為考察對象，建立起不同形式的預測模型。通過這種方式能夠解決不同任務，處理不同的數(shù)據(jù)，并且每種數(shù)據(jù)算法模型中也有著諸多不同的算法，每種算法都適應不同的用戶需求。

上層為數(shù)據(jù)應用層，在有的地方也被稱為表示層，在該層，用戶可以通過客戶端來瀏覽訪問層，使得用戶通過瀏覽器來訪問信息化平臺界面，繼而獲取相關(guān)數(shù)據(jù)信息資源，通過用戶界面顯示數(shù)據(jù)處理結(jié)果。

3 關(guān)鍵技術(shù)設計

3.1 Adaboost迭代算法的建模

本文采用Adaboost迭代算法對信息化平臺接收的不同數(shù)據(jù)進行分類和計算，其計算過程如圖4所示。

圖4 Adaboost迭代算法流程圖

1）獲取訓練樣本，訓練弱分類器；對N個食品、藥品的訓練樣本數(shù)據(jù)進行訓練、學習，輸出第一個弱分類器；在開始算法之前，將每個食品、藥品樣本的權(quán)重初始化定義為1/m，這樣有利于使每個食品、藥品樣本都是為等概率的分布，便于下一步工作的計算和處理。

用公式表示為

2）再次訓練弱分類器，將分錯的食品、藥品樣本和其他的食品、藥品新數(shù)據(jù)匯集在一起，再次構(gòu)成新型的N個食品、藥品訓練樣本，通過對新型的食品、藥品樣本的學習，輸出第二個弱分類器。

用公式表示為

3）繼續(xù)訓練弱分類器，將步驟1）和步驟2）都分錯了的樣本加上剩余的食品、藥品新樣本數(shù)據(jù)重新構(gòu)成新的第N個訓練樣本，通過對新型的食品、藥品樣本的學習，輸出第三個弱分類器。

4）迭代計算，根據(jù)上述訓練，開始迭代，計算出不同弱分類器分類的誤差，所計算出的誤差等于各個不同分錯食品、藥品樣本的權(quán)重和，假設一個弱分類器正確分類了一個權(quán)重大的食品、藥品樣本，則使用該分類器計算的誤差將會較小，否則誤差較大。在使用過程中，通常算法迭代的次數(shù)不超過弱分類器的個數(shù)，如果有多個弱分類出現(xiàn)，則按照用戶的需求進行選擇。

步驟2）、3）、4）用公式表示Gm（x）在訓練集上的誤差率公式為

5）歸一化處理：獲取最優(yōu)分類器之后，然后進一步地計算所選取的分類器的權(quán)重，接著再更新各個不同樣本的權(quán)重，進行再歸一化處理。

歸一化處理后，計算Gm（x）的系數(shù)，am代表Gm（x）在訓練后的最終分類器中的關(guān)鍵程度，用公式表示為

在上述公式中，em≤1/2時，am≥0，通過公式可看出，am與em成反比例關(guān)系。即誤差率越小，分類器在最終分類器中越起到比較大的作用。

6）迭代判斷：判斷迭代次數(shù)是否等于閾值，如果與閾值相等，則完成迭代計算，最后的分類器則由迭代過程中所選擇的弱分類器經(jīng)過線性加權(quán)得到的。如果迭代次數(shù)不等于閾值，則重新進行迭代計算。

3.2 Adaboost迭代算法在信息化平臺中的應用

基于上述模型的建立，將上述建立的數(shù)據(jù)模型應用到上述建立的信息化平臺的評估上，則進行以下剖析，假設數(shù)據(jù)樣本如表1所示。

表1 樣本數(shù)據(jù)表

在求解時，對初始化訓練數(shù)據(jù)進行初始化權(quán)值分布，使每個權(quán)值Wi1=1/N=0，1，其中N=10，i=1，2，3……10，然后分別將m=1，2，3…等值進行迭代。在進行迭代計算時，對于m=1，在權(quán)值分布為D1的訓練數(shù)據(jù)上。使用分類器公式G1（x）表示為

在上述公式中，假設令閾值為2.5時，則誤差值為0.3，即當x＜2.5時，G1（x）的值為1，當閾值為5.5時，則誤差值為0.4。當閾值G1（x）為8.5時，誤差率為0.3。

然后利用上述公式得出：G1（x）在訓練集中上的誤差率e1=P（G1（xi）≠yi）=3*0.1=0.3。然后根據(jù)誤差率e1計算G1的系數(shù)：

a1表示為G1（x）在最終的分類函數(shù)中占用的權(quán)重為0.4236。然后進行下一輪的迭代。然后利用上述方法進行迭代計算，直到計算到誤差最小為止。

4 軟件設計

本文設計的信息化平臺的軟件部分可以劃分為系統(tǒng)數(shù)據(jù)庫、數(shù)據(jù)訪問層、系統(tǒng)組件庫、數(shù)據(jù)接口、萬維網(wǎng)（World WideWeb，WWW）服務器、無線應用協(xié)議（Wireless Application Protocol，WAP）服務器［17］六個部分，其結(jié)構(gòu)示意圖如圖5所示，下面對其主要技術(shù)進行描述。

圖5 軟件平臺結(jié)構(gòu)設計

1）Java EE

Java EE，其被稱為Java平臺企業(yè)版（Java Platform Enterprise Edition），能夠支撐企業(yè)級計算系統(tǒng)。在本文應用中，結(jié)合食藥監(jiān)局大部分業(yè)務應用的現(xiàn)狀以及跨平臺、跨系統(tǒng)等不同特性的要求、系統(tǒng)操作、系統(tǒng)維護便捷化、簡易化的需求。該軟件系統(tǒng)滿足食品、藥品處理數(shù)據(jù)、適應各種數(shù)據(jù)應用、存儲和發(fā)展變化的需要，在本軟件平臺設計中，選擇Java EE體系架構(gòu)作為處理數(shù)據(jù)的操作系統(tǒng)。

2）DB和OS

本文的軟件平臺系統(tǒng)兼容、使用各種不同大型關(guān)系型數(shù)據(jù)庫（DB）以及各類不同主流服務器操作系統(tǒng)（OS）。更進一步地說，本文軟件系統(tǒng)至少能夠支持各種大型的主流關(guān)系型數(shù)據(jù)庫，比如：ORACLE、SQL SERVER、MySQL等；除了這些操作系統(tǒng)之外，還能夠支持Windows、Linux等各種操作系統(tǒng)。

3）Webservice

在本文的軟件平臺中，還采用了Web Service技術(shù)，Web Service技術(shù)可以將運行在各個不同設備上的應用程序彼此之間互相進行數(shù)據(jù)交換或數(shù)據(jù)集成，并不需要額外的、專門的第三方軟件或硬件。WebService交互實現(xiàn)過程是將WebService遵循SOAP協(xié)議，并且通過XML封裝數(shù)據(jù)進行處理，然后經(jīng)由Http協(xié)議實現(xiàn)食品、藥品數(shù)據(jù)的傳輸。本文的軟件平臺根據(jù)Web Service規(guī)范來實施不同的應用程序，這樣能夠使用具有不同語言、不同平臺或內(nèi)部協(xié)議的軟件平臺，有效地滿足異構(gòu)平臺數(shù)據(jù)的集成以及各種不同應用軟件的交互需求。

4）B/S結(jié)構(gòu)

B/S是Brower/Server的縮寫，其中文為瀏覽器/服務器，該結(jié)構(gòu)是Web廣泛使用后的一種網(wǎng)絡結(jié)構(gòu)模式。Web瀏覽器被稱為客戶端最為重要的應用軟件。這種架構(gòu)采用采取瀏覽器請求、服務器響應的工作模式。通過使用該用戶，能夠使用戶通過瀏覽器訪問Internet上經(jīng)由Web服務器產(chǎn)生的圖像、文本、數(shù)據(jù)、圖片、動畫、視頻點播和聲音等信息。采用該消息，使得用戶可以在不同的地方操作該平臺，無需安裝特別的專門軟件，維護、使用都很方便。在應用程序中，其工作過程極為便利，通過客戶端發(fā)送食品、藥品數(shù)據(jù)請求，使得用戶在客戶端中的瀏覽器頁面能夠提交表單操作，并向服務器發(fā)送食品、藥品數(shù)據(jù)請求，然后等待服務器響應。用戶在服務器端處理發(fā)送來的食品、藥品數(shù)據(jù)請求數(shù)據(jù)，在服務器端端接收并處理食品、藥品數(shù)據(jù)請求數(shù)據(jù)請求。然后利用應用服務器端（通常使用服務器端技術(shù)，如JSP等）對食品、藥品數(shù)據(jù)請求進行數(shù)據(jù)處理并產(chǎn)生數(shù)據(jù)響應。而后在服務器端發(fā)送食品、藥品數(shù)據(jù)響應，此時，服務器端能夠把用戶請求的諸如網(wǎng)頁文件、圖片、聲音等數(shù)據(jù)信息返回給瀏覽器，瀏覽器然后再執(zhí)行接收到的HTML文件，供用戶使用。

5 結(jié)語

本文基于食品、藥品數(shù)據(jù)利用、稽查、管理便利為目的，以“食品、藥品健康鏈”為主線的全生命周期信息監(jiān)測預警為手段，構(gòu)建出新型的信息化平臺架構(gòu)。并將該系統(tǒng)劃分為基礎層、數(shù)據(jù)層、數(shù)據(jù)處理層、數(shù)據(jù)應用層。在數(shù)據(jù)處理層中，采用諸如決策樹算法模型、Apriori算法、AP聚類分析算法、BP神經(jīng)網(wǎng)絡模型、支持矢量機算法或Adaboost迭代算法等機器學習方法來構(gòu)建預測預警模型，并設計出安全信息化平臺構(gòu)架。從而實現(xiàn)食品、藥品安全時空預警信息化體系的業(yè)務架構(gòu)設計。