甘肃地产食品化学污染与慢性病相关性算法研究及应用

The temporal association between food chemical pollution and chronic disease status is restricted by data acquisition time. This subject takes the relationship between the temporal information in two particular areas of Gansu province as the research object, puts forward temporal dynamic association rules mining and temporal dynamic association rules tendency mining methods, for solving the trends of correlation between chemical pollution of local food and chronic disease over environment,time changes and its influence on food safety.First of all, collect chemical pollution data of local food under different environment, analyze its relationship with local chronic disease data, establish a temporal database with space-time attribute，Data cleaning accurately and take data normalization process. Secondly, build a general model of temporal dynamic association rules mining and tendency mining,research the theory and method of temporal dynamics association rules mining and tendency mining under different time granularity.On this basis, explore the detection method of temporal dynamic association rules tendency change point.Thirdly, research the injury severity of the human body under different chemical pollution levels of local food Using data fusion method and on this basis to construct local food safety production early warning mechanism.This subject is expected to have theoretical innovation on temporal dynamic association rules mining and temporal dynamic association rules tendency mining. It has very important practical significance on local chronic diseases prevention and control of Gansu province.

食品化学污染和慢性病发病状况之间的时序关联关系受数据采集时间的限制，本课题以甘肃特定区域两者时序信息之间的关系为研究对象，提出了时序动态关联规则和时序动态关联规则趋势挖掘方法，以解决地产食品各种化学污染物与慢性疾病关联性随时间、环境的变化趋势及其对食品安全的影响。首先，采集不同区域环境下地产食品化学污染数据，分析其与当地慢性病疾病谱数据的关系，建立具有时空属性的时态数据库并进行数据清洗和归一化处理。其次，构建时序动态关联规则挖掘和趋势挖掘的通用模型，研究不同时间粒度下时序动态关联规则挖掘和趋势挖掘的理论和方法。在此基础上，探索时序动态关联规则趋势变点的检测方法。再次，运用数据融合方法研究地产食品化学污染不同等级对人体健康造成的伤害程度，并以此为依据构建地产食品安全生产预警机制。本研究预期在时序动态关联规则挖掘和趋势挖掘方面取得理论创新，该研究对甘肃当地慢性病的预防和控制具有重要的现实意义。

甘肃省境内地形和气候复杂，不同气候和环境下地产食品内残留的化学污染物也不相同。食品中的化学污染物会对人体健康构成潜在的威胁，其中食品中重金属元素污染是研究重点，重金属具有难迁移性和难降解性特点。植物体通过吸收土壤中的重金属污染物，人类食用该类作物后对身体健康产生不良影响。近年来，随着我国食品污染物监测网的建立和不断完善，化学污染物检测项目也在不断被补充和扩大。随着多年检测结果发现食品污染中的重金属污染所造成的慢性病，不仅严重影响人类的生活质量，也给家庭和社会带来沉重的经济负担。研究重金属污染和慢性病之间关系成了食品安全领域重点和热点。.本项目研究重点是重金属元素含量与慢性病发病之间的相关性及算法，挑选甘肃四个气候代表性区域进行数据采样，样本包含当地农作物、饮用水和灌溉水。样本经过ICP-MS检测得到主要重金属元素含量数据，将原始数据导入数据处理模型生成重金属元素浓度数据。通过与甘肃省疾控中心合作获得各地区因慢性病死亡数据、门诊和住院数据。根据得到的两类关键数据，经过数据处理后，建立了相应的预处理模型，挖掘模型和分析模型，挖掘出两者之间存在正相关关系，即重金属元素含量较高时慢性病发病率升高。对疾控中心给出的门诊和住院数据进行分析时发现，当地气象因素对于慢性病发病有着直接影响，在此基础上进一步研究气象因素与慢性病之间关系并作出相关性预测。.根据对重金属元素浓度和死亡数据之间关系研究，发现对四地区造成呼吸衰竭、肺心病、脑出血主要因素是汞金属。对气象数据和死亡数据之间采用深度学习模型进行分析，得出气温、气压和相对湿度会直接导致一些慢性病发病，如：肺心病，高血压等。建立预测模型生成预测值和实际值之间拟合度较高。.本项目研究发现不仅重金属元素会导致慢性病发病，气象因素也是导致慢性病发病的重要因素之一，针对上述问题构建了相应的模型进行问题的分析，这些模型分析结果对慢性病预防具有一定的科学意义。