楼皓，曹倩，李海生

北京工商大学计算机与信息工程学院，食品安全大数据技术北京市重点实验室（北京 100048）

在经济全球化背景下，食品的流通贸易变得频繁，食品安全问题成为世界各国最关注的民生问题之一。由于食品安全受到多种复杂因素影响，中国每年出口欧盟的食品中，会有部分食品因不符合欧盟食品安全标准遭到欧盟食品及饲料快速预警系统（RASFF）通报。因此，加强中国出口食品的安全预测，有助于深度了解中国对外食品贸易走势，具有重要的长期实践意义[1-3]。

当前食品安全预测方法众多，传统预测方法基于数据是线性变化为前提，代表有差分自动回归移动平均（ARIMA）[4]，但不能准确地描述食品安全与其影响因子间的非线性关系，使用十分受限。近年来出现的神经网络、支持向量机（SVM）等技术却非常善于发掘非线性变化规律数据中存在的联系[5-6]。中国对外出口食品数据不仅具有一定周期性变化特点，同时也有相当一部分随机性特点。因此，单一模型对食品数据无法准确预测。 为了解决这个问题，提出一种基于ARIMA和SVM的食品安全预测模型。选择差分自动回归移动平均模型对食品数据的时间序列进行建模，采用支持向量机对差分自动回归移动平均的预测残差进行建模，两者结果相加以得到最终的食品安全预测结果。试验表明，基于ARIMA-SVM模型较单一模型有更高的预测精度，为今后食品安全预测问题提供建模工具[7]。

1 研究方法

1.1 差分自回归移动平均模型（ARIMA）

ARIMA是最典型的时间序列预测方法，拥有简单、短期预测效果良好的特点。……