食品安全預警的主要功能不僅對安全狀況和可能產生的警情和警度進行分析評估，而且要對變化趨勢進行預測預報，以實現對食品安全風險的提前預防。因此，在評價分析的基礎上所進行的預測也就格外重要，而對未來發展態勢作出預測需要借助於係統的預測方法。
對於食品安全預警這樣的大係統複雜問題來說，係統的影響因素以及因素之間的互相作用機理，有些還不清楚，關聯性、權重性等也缺少準確度，一些警源的真實性尚缺乏曆史統計數據的支持，很多安全問題的征兆還未被人們認識，例如SARS的傳播途徑、禽流感在人間的感染變異情況等，人類對它們的認識還處於淺顯階段，因此，在預防和控製過程之初常采取對實際問題的專項調查研究、專家評價和類似事件的主觀類比分析等定性分析方法。隨著我國不斷加強食品安全的監測，數據庫建設和監測網絡的形成，使食品安全預警分析的基礎數據不斷充實，在定性分析的基礎上，已經可以根據過去一段時間的監測信息或評估結果按時間序列排序，應用時間序列預測分析方法構建食品安全狀態預測模型，從而實現對係統未來變化趨勢的預測。
時間序列趨勢預警方法對於統計數據的相關性要求較低，因此，方法適用範圍較廣，可以根據趨勢預警的要求，進行短期預警、中期預警和長期預警，尤其是在短期預警方麵具有明顯的優勢。
一、時間序列趨勢預測
時間序列預測根據係統對象隨時間變化的曆史資料，考慮係統變量隨時間的變化特征、發展趨勢和客觀規律，對係統對象未來發展變化的方向和軌跡按照時間順序進行預測。由於時間序列預測隻考察變量的時間特性，而無需明了變量之間相互依存的關係，因此，該方法適用於利用簡單統計數據來預測研究對象隨時間變化的趨勢。如食品企業的總產值統計，某些食品農藥化學汙染的檢測數據統計、某些區域的水質汙染數據統計等。
時間序列預測的基本思路是首先構造一個時間序列，根據序列的特點設計預測模型，依據模型表達出的趨勢特性預測食品安全係統的未來發展趨勢。
（一）時間序列
1．構建時間序列
所謂時間序列，就是按實際發生時間的先後次序排列的隨機變量，或是由觀測得到的按時間先後順序排列的數據。時間序列分析方法是統計方法，適合於無法建模的問題研究。如係統中某一因素變量的時間序列是離散的數據，不能用確定的變化形式表示，也無法得到確定的時間函數關係，但是可以用概率統計方法，以一定的近似程度來反映其變化規律，則可以使用隨機時間序列方法。
2．時間序列的趨勢特性
一般來說，時間序列具有一定的趨勢表現特性。當時間序列變量隨著時間呈現緩慢、穩定的變動時，變化發展的方向性即形成某種趨勢。當然，變動的幅度可能完全不同，變化的過程也並非是簡單的線性，但如果變化是平穩的，也就是過程趨勢是平滑特性的，時間序列的趨勢特性就可以被應用。如食品汙染程度增加則不安全風險增大，這是具有顯著的單向趨勢特性的。而新鮮的果蔬在儲存時，果蔬品質的變化與時間的關係就不完全是單向趨勢。具有顯著單增或單減線性趨勢時，可以用低次多項式方法表達趨勢的緩慢變動。時間序列趨勢表現有交替的高峰與低穀周期特征時，具有對曆史和未來的重複再現功能，即周期性蘊涵了利用曆史數據來表達相關未來信息。例如對於海產品來說，監測紅潮的周期汙染對產品質量安全的影響，時間序列預測將可提高準確性。
時間序列構建時，不排除由於偶然因素的影響而出現極少量的大偏差不規則變動，隻要滿足統計學意義和相關法則，可以不考慮這幾個數據，或者過濾掉少量的不規則變動。相對整個序列的時間段，變量的行為符合統計分布規律，因此，時間序列依然能夠保證趨勢的合理性。
（二）時間序列基本模型
對時間序列建立數學模型用概率統計方法，基本的時間序列模型有自回歸AR模型、移動平均MA模型和移動平均自回歸ARMA模型。
1．線性趨勢自回歸AR模型
AR模型是線性模型，特點是直接利用時間序列觀測值構建線性趨勢線，並對時間序列未來某時刻進行預測。一般表達式為：yt=1yt-1+2yt-2+…+pyt-p+εt（4-29）式中p——預測滯後的時間周期，即是利用過去p的時間長度對p+1時間進行預測。如p為10天，即利用前10天的觀測信息對第11天進行預測。p根據預測問題的特點確定
yt——未來t時刻的預測值，與序列自身過去p個時期的觀測值yt-1，…，yt-p相互間有線性關係