黄金明，苏佰丽，武玉强

(曲阜师范大学电气信息与自动化学院，山东日照 276826)

人工神经网络在解决各种输入因子具有复杂性、非线性和相关性的问题上拥有很大的优势。我们在“人工神经网络”课程的教学过程中，通过对各种神经网络模型的学习和计算机仿真，可以阐述清楚课程的主要思想;但尚需将该思想应用于实践去解决实际问题。

随着食品安全问题的敏感度逐渐增加，海产食品的出口安全问题也受到越来越多的关注。由于不同的进口国对食品的指标要求存在差异，传统的合格或不合格等定性结论不能体现这一差异，而采用量化的风险度指数来衡量出口食品的质量水平是一个比较理想的解决方案。BP神经网络具有很强的鲁棒性、容错性和自学习能力，本文利用BP神经网络建立了出口海产食品的风险分析模型，采用改进的误差反向传播算法，通过多次反馈对输入数据进行模型仿真，给出风险分析结论。

1 出口海产食品风险分析系统理论

1.1 出口海产食品风险分析的要素

海产食品的质量水平取决于食品加工和运输的各个环节中的影响因素，具体包括原材料的储存和预处理、食品加工工序、食品加工环境温度、卫生状况以及运输等环节。其中，部分环节属于关键环节，对海产食品的最终质量有着决定性的影响，比如:细菌数量和金属物含量等，不同的海产食品的影响要素也有所不同。

以冻模拟蟹肉与冻鳕鱼片两种海产品为例，其潜在的危害因素有很多，如金属碎片、生物的致病菌、化学的添加剂、产品的基因成分、检验检疫部门的检查结果以及运输时间等等。……