利用均線趨勢預警時，無論是單根均線還是均線組合，在分析食品安全風險時，有幾種形態需要特別警惕，必要時立即發出預警信息。
（1）一種形態是短期移動平均線由下降趨勢拐頭向上時，一旦突破中期和長期均線，則說明風險急劇增大，如果達到警報界限，則需立刻預警。
（2）另外一種就是上麵分析過的短期移動平均線、中期移動平均線和長期移動平均線呈自上而下分布，說明短期風險積聚放大。
（3）如果均線係統一直呈黏合膠著狀態，但是短期移動均線突然有發散向上的趨勢，說明檢測對象的風險突然增大，必須高度關注，如果後期回落，則說明是偶然性為主。如果向上發散趨勢成立，則有可能發生食品安全問題，需發出預警。
3．移動平均趨勢自回歸ARMA模型
ARMA模型是精確度比較高的短期預測模型，預測精度高於簡單的AR模型和MA模型。ARMA模型對曆史資料的要求較高，適用於平穩的時間序列。
ARMA過程可以看成是AR與MA過程的組合，或者是幾個AR過程，或者是AR與ARMA過程的迭加，也可能是測度誤差較大的AR過程。ARMA模型適用範圍較廣，在經濟預警、災害預報、企業預警等方麵均有較好的應用。
（三）應用時間序列預測時需要注意的問題
1．預測的準確性問題
時間序列預測用於短期預測準確性較高，隨著時間長度的增加，預測的精度會降低。因此，在食品安全趨勢預測時，對於危害物汙染風險的預測、食源性疾病預防等短期預測，具有較好的參考價值。但是，對於諸如食品安全專項檢查的統計數據、各種抽檢統計和各地的食品安全活動等，由於食品安全監管力度的不斷加強，使得較長時間以前的曆史數據的預測作用減小，準確性則低。
2．預測過程是動態修正過程
確定預測模型本身是一個動態的不斷修正的過程。隨著食品安全預警監測對象的不同，統計數據也在不斷積累和完善，對預測模型的精確度和準確性要求也在不斷提高，因此，模型的建模過程是動態的，需要適時調整修正。建模時一定要在時間序列中留出一小部分作為檢驗樣本，目的是利用沒有使用過的觀測值來評價模型的預測能力，另外，用遞推估計*的方法得出的模型穩定性好、準確度高。
注：*遞推估計就是先截取時間序列中的部分數據作為小樣本，然後開始估計模型，再增加一小部分數據再次估計模型，重複這個過程直到用完所有的估計樣本。遞推估計使得參數的估計值隨著樣本容量的增大而是趨於穩定，預測誤差滿足精度要求。
3．數據分析結合趨勢線
趨勢圖形直觀，有利於顯示數據的差異，極易識別異常數據。當維數較低時，趨勢圖形更具有直觀的趨勢表達和數據異常顯示作用，但是維數高時圖形表現效果不理想。
二、應用時間序列預測食品安全變化趨勢
食品安全時間序列趨勢適合於對存在個別危害物時的短期預測，預警的時間點位由趨勢線顯見。如利用MA模型分析醬油中3-氯丙醇，用5日均線、10日均線和30日均線分析一段時間出口醬油中的3-氯丙醇檢測量。
（1）預警根據均線理論，圖中三根均線同時向上發散趨勢是第一風險信號，A點和C點觸及預警。實際上，A點之前5日線上穿10日線和30日線的交點處，3-氯丙醇短期內檢測含量有增加，潛在風險已經開始產生，隻是為了進一步確認上升趨勢，也可以在加強監測基礎上，繼續觀察，所以A點預警已略有滯後。C點則是選擇了三線一直膠著但短期均線突然由黏合點剛開始有向上運行趨勢時，即開始預警，防止3-氯丙醇有增加的可能，因此C點預警最理想。醬油中3-氯丙醇的移動平均線[1]（2）監測B點是明顯的三線並行向下趨勢，且5日、10日、30日均線呈自下而上排列，說明受30日線製約，監測的3-氯丙醇含量呈下降趨勢，且保持至少30日的這種狀態了，所以，中、短期風險已經基本釋放，可以解除預警而進入繼續監測狀態。