食品安全问题是影响国计民生的重要社会问题。食品安全事故严重损害人民群众的身体健康,对经济和社会造成了严重的后果。因此,开展食品安全预警研究对于减少食品安全事故的发生,实现食品安全风险的预防预测,具有重要的理论和现实意义。本文以食品安全检测数据为研究对象,针对检测数据的食品安全风险展开预警研究。主要研究内容如下:1)为全面准确评估食品安全检测数据的综合风险状况,提出了一种基于差分进化算法的食品安全风险综合评价方法。该方法采用复相关系数法、熵权法和均值法分别计算指标权重,在此基础上应用差分进化算法求取指标综合权重,得到检测数据的综合风险值,实现了风险综合评价。2)为准确预测食品安全检测数据的安全风险,提出了一种基于AHC-RBF神经网络算法的食品安全预警方法。AHC-RBF神经网络算法采用AHC算法自适应地获取RBF神经网络的隐含层节点的中心位置,克服了传统RBF神经网络模型对初始聚类中心的敏感性,提高了模型的泛化精度。采用该方法建立了基于检测数据的食品安全预警模型,并进行了预警分析。3)为挖掘食品安全检测数据中样本的检测信息与风险等级之间存在的潜在关联关系,本文提出了一种基于桶排序-FP growth算法的食品安全预警信息挖掘方法。该算法以桶排序算法为基础改进了传统FP growth算法获得数据集中频繁项列表的过程,提高了算法频繁模式挖掘的效率。采用该方法得到了预警关联规则并提出了相应的风险防控建议。本文以食品安全检测数据为研究对象对以上三种方法进行了实证验证。