快速发展的食品贸易给人们带来了美好的食品享受，但同时也带来了巨大的安全隐患。近年来，我国发生了很多食品安全事故，对人们群众的身心健康产生了巨大的伤害，并且严重影响了社会的和谐与稳定。面对如此严峻的形势，必须提高对食品安全预警的方法与技术手段，以确保对食品安全的监督与管控。乳制品是现代人极为重要的食物源，在供应链中环节和参与主体较多，存在众多风险因素，因此在供应链的视角下以乳制品安全为例来研究食品安全预警具有非常重要的意义。　　乳制品供应链是一个复杂的网络结构，从食品产生的源头到最终的消费这一过程中涉及到众多的环节，这些环节又各自存在着很多的风险因子。本文在深入分析乳制品供应链业务流程的基础上，综合前人的研究成果，总结出对乳制品安全影响较大的预警指标，建立乳制品安全预警指标体系。　　BP神经网络法是一种通过模拟动物神经元的运作机制来进行预测的方法，能够通过非线性建模过程来对相关信息进行分析与处理，从而发现隐含在大数据下的规律。与传统方法相比，神经网络具有处理速度快、成本比较低的优点，在预警工作中具有非常重要的作用。因此，本文运用BP神经网络对种类繁多、数据量大的食品信息数据进行分析与处理，构建预警模型。　　任何一种算法都有其自身固有的不足。针对BP神经网络在权值和阈值的选取方面所存在的不足，运用和声算法来对BP算法进行改进。和声算法在解向量解集的基础上产生新解，保留了信息的完备性，使得算法搜索能力更加强大，这一优点恰恰与BP神经网络形成优势互补。运用和声算法来对BP算法进行改进，提高模型对食品安全风险预警的精度。　　最后，通过采集实际的样本数据，运用matlab仿真测试软件来对模型进行验证，考察模型的有效性。通过分析结果，发现经过和声算法优化之后的食品安全预警模型能够获得更好的预警效果，从而为食品安全预警理论与方法提供一种新的思路。