海产食品的出口安全问题近年来受到越来越多的关注，一方面在我国大力发展海洋经济的政策带动下，沿海经济体加工企业的海产食品出口数量呈逐渐增加趋势，对外食品贸易中的矛盾也开始日益突出；另一方面，伴随着进口国对进口食品质量要求的提高及检验检疫手段的完善，对食品的出口生产企业提出了更高的要求。传统的“合格”、“不合格”等定性结论，已不能满足要求；如何科学的进行抽样的检验检疫，保证出口海产食品的质量，防止因质量问题影响到产品的再出口及造成经济损失，建立风险分析模型并开发相应的管理系统，是解决这些问题的有效途径之一。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，BP神经网络具有很强的鲁棒性、容错性和自学习能力，非常适合输入因子具有复杂性、非线性及相关性的场合。整个过程分为四部分，层层推进，第一部分是危害分析与关键控制点（HACCP）的相关资料，从食品安全的管理体系和控制角度进行评价，HACCP是由危害分析和关键控制点两大部分组成的管理体系，并且介绍了七大基本原理；第二部分运用模糊综合评价方法确定影响因子，模糊综合评价是对多种主观因素采取一定评判标准并做出评价的一种决策方法；第三部分对影响因子进行建模和算法研究，其中采用加入动量因子的BP神经网络算法进行算法研究；第四部分则将理论成果进行软件仿真。整个过程均采用理论和实践相结合的方法对模型进行修正，并且整个系统通过VS2008和Matlab联合编程实现。本课题以日照出入境检验检疫局的海产品出口为研究背景来探讨其风险分析模型的建立。本文将数理统计、神经网络和支持向量机等理论引入出口海产食品的质量评价领域，采用改进的误差反向传播算法，结合危害分析与关键控制点管理体系，通过对大量CCP数据的分析和建模，建立海洋水产品的食品出口风险模型并开发相应的仿真软件，然后通过多次反馈对输入数据进行模型仿真，最后给出风险分析结论，这为海洋水产品的出口风险分析提供了一个客观的参考依据。其中心思想是改变现有检验结果中的定性结论，对它们加以量化，以数值方式给出风险度，使结果更符合科学性，以能够满足不同进口国家的不同需求，同时，实时数据的分析也进一步提高了检验检疫的时效性，很好的解决了这一问题。