危害分析
模型以35e下包装美味酥饼干感官评价为例，根据饼干失效时间和累计危害率的关系绘制weibull危害分布图，温度T之间的线性关系，危害分析模型从整体上评价饼干的品质变化程度，无需判断哪个反应是导致包装酥性饼干失效的*主要反应，这就避免了动力学货架寿命预测模型的片面性。然而，weibull危害分析完全依赖感官评价数据，主观性过强；并且这种方法为终点感官评价，不能反映饼干贮运过程中的理化变化，也无法反映饼干品质变化的动态过程；另外，一个weibull模型只适用于其感官评定的特定条件，限制性很强。一般weibull危害分析预测模型需和动力学模型配合使用，因此，weibull危害分析模型在食品货架寿命预测领域的应用也存在一定困难。
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；另人工神经网络在酥性饼干货架寿命预测中的应用19一部分为剩余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。
本实验中n=5时网络性能*优，故隐层神经元个数为5.隐层传递函数选择tansig函数，输出层选择purelin函数，网络的学习函数选择trainlm.利用样本数据对生成的BP网络预测模型进行训练，练后网络的误差为0.00147531，达到了目标值0.01，证明模型预测值与真实货架寿命值拟合度很高。BP人工神经网络训练结束后，输入p-test对网络模型进行仿真，得到BP模型输出向量t-out，计算网络输出值t-out与实际贮存实验得到的货架寿命的误差。