高质量发展视角下陕西苹果供应链安全风险质量关键点预警研究

基金项目：陕西省软科学研究计划-一般项目（2024ZC-YBXM-067）；陕西省哲学社会科学研究专项智库项目（2024ZD483）；西安市社会科学规划基金课题（23JX167）

摘 要：本文基于高质量发展视角，对苹果供应链质量检测风险进行更深层次的关键点预警。文章选取具有时间序列的隐马尔科夫链（HMM）模型对关键点进行研究，将数据分类结果和预警信号灯结合，运用Baum Welch算法对GRA-ISM-HMM模型进行训练，构建陕西省苹果质量检测检验风险预警模型。最后，通过训练得到的预警模型，将任意检测结果带入模型，通过风险预警灯光信号结果分析，实现苹果供应链质量关键点预警。

关键词：苹果供应链；质量检测风险关键点；GRA-ISM-HMM预警模型；关键点预警

随着社会发展和生活水平的显著提升，人们越来越追求高品质的苹果。过量使用农药和农户操作不当以及运输过程中物理性和生物性污染等原因，造成苹果质量达不到高品质标准。如今，对苹果质量的研究主要在质量检测方法和限值、现状与超标之后的解决方法上，然而质量指标都在限值内，综合结果也会产生严重质量风险。以上问题使得陕西省苹果的利润降低，增加了企业的风险，尤其涉及检查检疫不合格问题，严重制约陕西省苹果供应链的高质量发展。如何采取有效方法对质量检测风险关键点进行预警是当前陕西省供应链高质量发展的重点。

潘洋（2009）将SVM-HMM方法应用于语音识别系统研究，通过支持向量机对数据指标进行分类，根据分类结果构建HMM模型初始状态。刘宇姗（2016）将聚类分析与HMM方法应用于食品安全预警领域，首先对数据进行聚类，根据聚类结果初始化HMM模型，根据结果分析，该方法有较好的预警效果。邢晓双（2014）将GRA-ISM-HMM方法应用于电信技术领域，预测了认知无线电中频谱。王婷（2017）根据风险识别，利用ISM赋值权重，运用HMM评估了研究对象的风险。崔仕颖（2020）运用GRA-ISM-HMM方法评估了灭菌乳食品。故本文引用崔仕颖论文中探索的成功评估灭菌乳食品安全风险的GRA-ISM-HMM方法对苹果质量检测风险关键点进行预警研究。

一、GRA-ISM-HMM预警模型

1.灰色关联度（GRA）

设参考向量为：

（1）

n为样本个数，比较向量为：

（2）

m为所有指标个数，每个指标轮流作为参考序列。对m组指标运用Z-score标准化方式，进行归一化处理，消除量纲的影响，处理公式如下所示：

（3）

k时刻的yi（k）和y0（k）的灰色关联系数如下所示：

（4）

2.解释结构模型法（ISM）

根据ISM模型的定义，指标的可达集为可达矩阵中该指标行可达矩阵值为1的对应列，指标的先行集为可达矩阵中该指标列可达矩阵值为1的对应行，由此求得第一层级L1、各元素的可达集Si、先行集Bj以及Si∩Bj，通过可达集、先行集和其交集可以得到影响因子的分级结果。

3.隐马尔科夫模型（HMM）

从原理上研究，它是一个有向双重随机过程，用来描述状态不可见的马尔科夫过程。隐马尔科夫模型在供应链质量关键点预警领域中，可以根据观测序列，通过viteribi training和Baum-Welch算法得到训练模型，之后根据观测序列和训练模型得到不可见的状态序列，最终实现苹果供应链质量关键点动态预警。

二、苹果供应链质量安全风险关键点预警模型

本文预警模型简要概括为以下三个步骤：（1） 收集海关检验检测结果并对检测结果进行原始数据处理；（2） 通过灰色关联度（GRA）建立指标质检关联系数，再解释结构模型计算指标权重，得到HMM初始状态，然后将预警区间与预警灯光信号结合，对分层后的数据利用Baum-Welch训练得到隐马尔科夫预警模型；（3） 将检测结果带入构建的HMM预警模型中，对预警结果进行分析后，提出相应解决方案并将预警结果和解决方案反馈给供应链质量相应节点成员。

1.数据指标关联度

本文研究使用数据来自陕西省某技术中心2018年11月到2020年11月的苹果检测检验报告数据。去除无关指标后，选取与质量相关的指标数据，得到14个指标，通过标准资料查询各自的测量标准。通过数据整理，总共获得300份检测报告数据，根据标准化处理数据后，每个指标轮流用作一次参考序列，其余指标用作比较序列，可以得到指标之间的相关系数矩阵，通过GRA包对处理后的数据进行灰色关联系数处理可得到相关指标数据的关联度。

2.数据指标权重

将结果数据用SPSS21.0软件进行T检验分析，获得相对应p值，根据软件分析结果后，所有p都小于0.05，因此所有的相关系数都具有显著性。本文欲研究指标之间的相关性，因此选择中等相关强度的0.8作为阈值。根据阈值确定邻接矩阵，当相关系数大于本文阈值0.8时，邻接矩阵值为1，反之为0，以此得到邻接矩阵，根据邻接矩阵求解可达矩阵。

首先需要设对角线为1的对角矩阵：

（5）

然后根据公式：

（6）

得到，将每个可达值组成矩阵得：

（7）

根据邻接矩阵及上述公式可得可达矩阵，根据可达矩阵，建立ISM模型。利用可达矩阵获取ISM模型的可达集、先行集以及它们的交集后，对元素利用ggplot2软件进行分层分析和数据分析，之后求取各个检测指标的相关系数均值，并利用其分层结果权重，计算两者乘积，获得检测指标权重。分层结果、每层指标所占的具体分层结果权重数值及指标权重如表1所示。

3.预警信号灯

本文结合5-标度法分类结果，通过对检测数据与检测指标的标准进行差值计算，得到相关差值数据结果，设置五种颜色的灯分别表示五个等级的风险水平，并根据差值数据结果得到风险区间，如表2所示。

三、Baum-Welch算法训练关键点预警模型

对于初始化隐马尔科夫链模型所需的初始矩阵、转移概率矩阵数值均设为0.2，几个矩阵分别如下：

使用Baum-Welch算法，利用Scientific Software Development-Dr.Lin Himmelmann和R软件训练隐马尔科夫链模型。模型参数结果如下：

概率转移矩阵-Baum-Welch

发射矩阵-Baum-Welch

使用苹果检测数据，结合训练好的风险评估模型使用2018-11-01至2019-10-29之间一共149条苹果检测数据作为训练集，结合Baum-Welch算法训练好的风险评估模型，应用Viterbi算法进行模型评估，评估结果如图1所示。使用2019-11-01至2020-12-01之间的检测数据作为测试集，其预警结果如图2所示。

四、实例分析——以陕西省某批次苹果检测检验结果为例

本节总共收集某批次苹果中的10份样本，样本数据如表3所示。

根据预警模型，进行预警，结果如表4所示。

利用GRA-ISM-HMM对该10个样本进行预警，其中样本1，2，3，4和10出现黄灯以及风险程度更高的预警信号，表明这五个样本具有潜在的安全隐患。

五、结语

本文利用GRA和ISM模型计算指标权重，选取Baum-Welch算法训练HMM模型，得到丝路沿线苹果供应链海关检测检验质量预警模型。根据实例分析预警结果与实测结果吻合度高，因此，预警模型达到预期效果。该模型具有以下优势：

（1） HMM模型由于其具有的时间特性，在针对陕西省苹果质量检测检验结果中，可以较准确地得到预警结果。

（2） 在数据准确且历史数据较充足的情况下，Baum-Welch算法训练得到的HMM模型在陕西省苹果供应链质量关键点预警中具有较高实用价值。

该模型可以很好地适用于陕西省苹果供应链质量的预警。为高质量发展视角下陕西省重要供应链——苹果供应链质量检测检验关键点的预警防控提供了一定的理论依据和参考价值。

参考文献：

[1]伍小红.臭氧对苹果的贮藏保鲜及农药残留降解作用的研究[D].西安：陕西师范大学，2006.

[2]徐淑飞，邵丽，张静，等.国内外苹果中农药最大残留限量标准比较研究[J].食品安全导刊，2021（27）：169-170.

[3]潘洋.基于改进的HMM/SVM构架的语音识别系统的研究[D].兰州：兰州大学，2009.

[4]刘宇姗.食品安全风险评估与预警方法研究[D].天津：天津科技大学，2016.

[5]邢晓双.认知无线电网络中的频谱预测技术研究[D].北京：北京交通大学，2014.

[6]王婷.基于ISM-ANP的企业环境战略决策模型研究[D].郑州：郑州大学，2017.

[7]崔仕颖.基于隐马尔可夫模型的食品安全风险评估方法研究及应用[D].北京：北京化工大学，2020.

作者简介：李永飞（1977— ），男，汉族，河南临颍人，博士，副教授，研究方向：物流与供应链管理、电子商务、交通运输规划与管理、质量管理。