Resumen

Los sistemas de lógica difusa basados en reglas Si-Entonces se utilizan ampliamente para modelar los sistemas que caracterizan la información imprecisa e incierta. Estos sistemas se basan básicamente en conjuntos difusos de tipo 1 y permiten manejar hasta cierto punto la información incierta e imprecisa en los modelos desarrollados. Zadeh amplió el concepto de conjuntos difusos y propuso el número Z caracterizado por dos componentes, los parámetros de restricción y fiabilidad, que son un par ordenado de números difusos. En este caso, el primer componente se utiliza para representar información incierta, y el segundo para evaluar la fiabilidad o la confianza en la verdad. El número Z es un enfoque eficaz para resolver problemas inciertos. En este artículo se propone un sistema difuso basado en números Z para estimar el nivel de riesgo de la seguridad alimentaria. Para construir las reglas difusas If-Then, se seleccionan los parámetros básicos rendimiento de cereales, producción de cereales y crecimiento económico que afectan a la seguridad alimentaria, y se determina la relación entre estos parámetros de entrada y el nivel de riesgo mediante reglas difusas If-Then. Se propone el razonamiento interpolativo difuso para la construcción del mecanismo de inferencia de un sistema difuso basado en números Z. El sistema diseñado se prueba utilizando datos de cereales de Turquía para evaluar el nivel de riesgo de la seguridad alimentaria y los periodos de predicción del suministro de alimentos.

• Materias:Calidad de los alimentos Seguridad alimenticia Seguridad alimentaria Análisis de los Alimentos Química de los alimentos Manipulación de alimentos
• Subjects:Food quality Food security Food Analysis Food chemistry Food handling
• Palabras claves:nivel de riesgo para la seguridad alimentaria, número, conjuntos difusos, sistema difuso, información incierta, parámetros básicos rendimiento de cereales, sistemas lógicos difusos, datos sobre cereales de pavo, razonamiento interpolativo difuso, reglas
• Keywords:food security risk level, number, fuzzy sets, fuzzy system, uncertain information, basic parameters cereal yield, fuzzy logic systems, turkey cereal data, fuzzy interpolative reasoning, rules