预报微生物学是一门建立在在微生物学、数学、统计学和应用计算机科学基础上建立起来的新学科，用于预测和控制食品中微生物的生长。其核心是细菌生长模型的建立，可分为初级模型，二级模型和三级模型，这对实验数据的收集提出较高要求，数据越多越准确，所建立的生长预测模型精准度越高，整个预报软件可用性就越强。食品预报微生物学经过半个世纪的发展，已开发出几十种专家预测软件。但在数据采集以及通用模型的选择方面仍需要改进。现今人工神经网络模型在预报微生物学中得到广泛应用，人工神经网络是一种模仿人脑学习能力的技术，它可以导入多重参数进行总的评估，能够准确地预测微生物的存活与生长。引言中介绍了预报卫生学发展的近况，与日常生活食品安全息息相关。虽然近10年来取得长足发展，但是尚存在一些问题，如研究模型多是建立在纯培养基础上，“一菌一模型”等等。由于气调包装生鲜冷却牛肉含有多种腐败菌，因此需要引入人工神经网络来模拟在这种肉类基质中各腐败菌的生长关系。第一章中将生鲜冷却牛肉模拟市场上的包装，用PET包装材料进行牛肉块的气调包装储藏（按照80%O2、20%CO2和65%O2、35%CO2），将包装好的样品分别放入4个恒温冰箱（-2、0、5和10℃）进行冷藏，并在特定时间取出进行菌落计数，建立腐败菌生长的数据库。然后将所收集的数据利用传统建模来进行模型构建，即初级模型采用修正Gompertz模型来拟合，二级模型采用响应面方程。R2均在0.96以上说明了修正Gompertz能够很好地拟合不同条件下的生长曲线。初级模型中得到的各条件下的细菌生长参数应用于二级模型响应面模型的建立，得到在不同保藏条件下环境因子对细菌生长参数的变化影响。通过均方根误差、偏差因子和准确度因子的评估，说明用传统数学建模方法构建的模型能够准确预测气调包装冷却牛肉中腐败菌的生长。第二章则是将相同的数据应用于人工神经网络模型的构建，它是一种模仿人脑学习能力的技术，这种建模方法能够同时处理多种变量间的关系。在输入层中将其中一个神经元定义为细菌种类，即可以在一个模型中拟合冷却牛肉中不同腐败菌的生长情况。将两类模型进行比较后，结果表明人工神经网络经过适当训练后能够取得一个相对较低的误差，而且准确度和偏差度也更好。第三章利用了Matlab软件在计算机中仿真实现微生物模型的预测预报过程，凭借Matlab强大的数学计算能力以及简洁明了的绘图功能，经过变成后能够将不同保藏温度及不同气调比例下的牛肉中腐败菌的生长曲线更直观地描绘出来。