BP网络模型方法根据饼干自身特性、生产工艺及物流过程的分析，选定6种影响饼干品质的重要因素为输入变量，分别为：饼干初始含水率、饼干初始过氧化值、包材透氧率、包材透湿率、贮存环境温度和相对湿度。用Matlab编程构建BP人工神经网络预测模型。
动力学模型不同贮存温度条件下饼干过氧化值的变化。饼干过氧化值随贮藏时间的变化在动力学上属于一级反应，即：P=P0ekPt式中：P为过氧化值；P0为饼干初始过氧化值；kP过氧化值变化速率；t为贮藏时间。对不同贮存温度下包装酥性饼干过氧化值随时间的变化进行曲线拟合，结果。根据GB7100不同贮存温度下酥性饼干的货架寿命预测方程的规定，酥性饼干过氧化值超过9.85mmol/kg时，认为其品质不可接受，此时的贮存时间即为饼干的货架寿命ts。由此计算各贮存温度下包装酥性饼干的货架寿命。
对中包装酥性饼干贮存温度与动力学模型预测值之间的关系做线性回归。即包装美味酥饼干的动力学货架寿命预测模型描述为：lnts=-0.0531T+7.5909由上式可以看出，包装酥性饼干的动力学货架寿命预测模型只能反应贮存温度与饼干货架寿命的关系，然而在整个物流过程中，除了温度外，贮存环境的相对湿度、包装材料的阻隔性等很多因素对饼干的货架寿命都是有重要影响的；另外，包装酥性饼干的变质一般为物流过程中吸潮和油脂的酸败导致，并且2种反应都至关重要，而本研究使用的动力学模型只采用了过氧化值的品质变化征饼干的货架寿命，没能考虑饼干的吸湿特性及水分吸收的动力学过程。这些不足限制了动力学货架寿命预测模型的准确性，以及在实际生产中的应用。
BP人工神经网络模型BP人工神经网络要求用多组输入来训练网络，本研究中共收集15组p，ts向量组。向量pi由6个元素组成，分别为：pi1为饼干初始含水率、pi2为初始过氧化值、pi3为包装材料透氧率、pi4为包装材料透湿率、pi5为贮存环境温度、pi6为贮存环境相对湿度；目标向量ts，只包含一个元素，即包装酥性饼干的货架寿命。将实验数据分为2部分：一部分包含9组向量，构成训练矩阵，用来构建网络结构并训练网络；另一部分为剩余6组向量，构成验证矩阵p-test和t-test，用来对训练好的网络进行验证。
结论3种模型的比较证明，BP人工神经网络预测模型的准确性更高、应用性更强、更接近实际物流环境。BP人工神经网络预测在预测酥性饼干货架寿命上具有明显优势：1）预测值与饼干真实货架寿命值的相关性*高（R2=0.9638）。2）同一模型可综合反映包括包饼干内因与外因在内的6种因素对酥性饼干货架寿命的影响，更符合实际物流情况。内因：饼干初始含水率、初始过氧化值；外因：包装材料透湿率、包装材料透氧率、贮存环境温度、相对湿度。3）人机交换界面使BP货架寿命预测模型更直观，使用简单，方便；同时，推进了采用计算机技术解决食品领域问题的趋势。