农产品质量安全与人民生活息息相关,涉及到人的一日三餐,而近年来农产品质量安全舆情事件不断发生,不但事件的发生造成了经济损失,还因为舆情事件发酵造成了更大的社会损失,经济损失动辄上亿。随着互联网行业稳健发展,农产品质量安全网络舆情引起政府、公众、媒体等的广泛关注,为了能够及时发现网络舆情事件的发展状态,帮助政府部门及时响应舆情事件。本文提出建立农产品质量安全网络舆情预警模型,希望能够为有关部门提供决策支持。为达到这一目的,本文首先梳理了农产品质量安全网络舆情的研究现状,整理了相关理论研究。从农产品网络舆情事件本身,舆情宣传媒体,公众参与三个角度构建了3个一级指标和11个二级指标的农产品质量安全网络舆情预警指标体系,对数据来源、指标含义及数据爬取方法进行了详细说明。然后通过基于增益水平激励的动态综合评价样本训练方法,计算出各舆情事件的动态综合评价值,为BP神经网络提供了训练样本,进而构建农产品质量安全网络舆情预警模型,最后利用Python Keras高级神经网络库进行仿真实验,测试数据的精确度达到87%,结果证明了构建的指标体系和模型是合理可行的。本文的创新点主要体现在以下几个方面:(1)本文将农产品质量安全网络舆情和网络舆情预警方法相结合,弥补了农产品质量安全网络舆情预警在定量研究上的不足。(2)提出使用动态综合评价方法来计算综合评价值,动态综合评价方法能够对时间序列的数据进行较准确的评价。通过集结舆情事件各时间段内的信息,计算出动态评价值,为舆情预警研究提供了新的思路。