一种集成的立方毕达哥拉斯模糊MAIRCA模型及新型变异系数相似度测度用于食品安全风险评估

为何更安全的食品选择至关重要

人们每天都会做出无数关于饮食的选择，并信任盘中食物是安全的。然而，被污染的食物仍然每年让全球数以亿计的人患病。现代食品供应链跨越大洲，牵涉众多企业和监管机构，并产生大量不完美的数据。本文处理了一个看似简单但影响深远的问题：当信息存在不确定性、不完整且受人为判断影响时，监管当局如何可靠地比较不同地区的食品安全风险？

评判食品安全的挑战

食品安全并非由单一因素决定，而是由一系列规则和做法交织影响：农药残留限量、工厂卫生、标签传达风险的明确程度、产品在召回时的可追溯性等。这些标准往往相互牵制，而且常常缺乏精确的数值。检查员和专家必须用“非常好”或“有些风险”等模糊术语来描述状况，他们的意见也可能出现分歧。传统决策工具通常需要精确的数值输入，在将模糊的专家意见与零散的测量数据结合时会遇到困难，因此其风险排序可能不稳定或具有误导性。

处理不确定性的更智能方法

作者基于“模糊”数学的进展，这是一类旨在处理灰色地带而非非此即彼答案的方法。在他们的框架中，每位专家对某一准则（例如某地区的卫生状况）的判断不再用一个单一分数来表示，而是用一段可能的取值范围及对疑虑的容纳来描述。这种更丰富的刻画保留了犹豫和分歧，而不是将其强行压缩为一个数字。随后，他们引入了一种新的方式来度量两个这样的模糊描述之间的相似性，将两种常见的比较思路融合为单一相似度指标。该指标成为模型中的核心工具，既用于衡量哪些安全准则更重要，也用于判断各地区与理想或糟糕表现之间的接近程度。

平衡专家洞见与硬数据

风险评估最终取决于赋予各安全准则的重要性程度。该方法不单依赖专家排序或统计变异，而是将两者结合。专家首先根据感知重要性对准则进行排序，产生一组“主观”权重。与此同时，新的相似度指标扫描数据以识别哪些准则在区分各地区方面最为明显，从而产生“客观”权重。一个调节参数随后将这两类权重融合为最终权重，使监管者能够在依赖专家经验与依赖数据模式之间调整侧重，同时对该选择保持透明。

在中国各地区的模型检验

为展示方法的实际应用，作者使用七个常见监管维度（包括残留限量、标签与可追溯性规定、卫生、工艺标准、进口管控和卫生法规等），对中国五个主要区域——华东、华南、西部、中部和华北——进行食品安全风险评估。三位专家独立地使用诸如“较为重要”或“极其重要”等语言刻度对每个地区在各准则上的表现进行评分，并将其转换为模型所需的模糊形式。该框架随后计算每个地区与假设的最佳和最差标准之间的距离，按组合权重在所有准则上汇总这些差距，并为每个地区生成总体风险得分与排名。

结果的含义与重要性

分析结果表明，在所研究的五个地区中，华东的食品安全风险最低，其次为华南和西部，而中部与华北相对落后。重要的是，当作者改变主观与客观权重之间的平衡并调整相似度指标的行为时，排名几乎没有变化。这种稳定性表明结论并非任何单一建模选择的脆弱产物。对政策制定者而言，该框架提供了一个有科学依据的仪表盘：它突出了哪些地区最需关注以及哪些准则对其风险贡献最大。对公众而言，核心信息是先进的数学方法能够帮助理清混乱和冲突的意见，提供一种更清晰、更公正的方式来确定食品安全改进的优先次序，从而最终降低危险产品流入消费者手中的可能性。

引用: Liu, Z., Weng, Z., Ksibi, A. et al. An integrated cubic Pythagorean fuzzy MAIRCA model with novel variation coefficient similarity measure for food safety risk assessment. Sci Rep 16, 11323 (2026). https://doi.org/10.1038/s41598-026-39302-z

关键词: 食品安全, 风险评估, 决策, 模糊逻辑, 中国