随着信息时代的不断进步,互联网技术的不断发展,相关信息产业也随之应运而生。网络订餐产业便是其中之一。网络订餐产业发展迅速,短短几年就成为现在人们饮食生活的主要消费方式之一,网络订餐产业为广大人民群众的生活提供了便利,但是同时也滋生了一些违法违规问题。不良商家利用网络的不透明性盲目追求自身利益,损害了消费者的权益,对消费者的健康状况造成威胁。每年我国都会出台新的网络食品安全有关的法律法规,来对相关问题进行改善,但是由于网络订餐产业的快速发展,而我国相关监管机构体系不完善,缺乏详细的法律法规,导致网络订餐食品安全事件屡屡发生。本文对网络食品安全风险进行分析预测,不仅可以提前发现潜在的安全隐患,实施预防手段避免安全事件的发生而且也有助于节省相关政府监管部门的资源人力,保障食品消费者的合法权益,营造一个良好的网络订餐市场环境。本文针对网络订餐食品安全相关问题进行了以下研究:（1）基于《食品安全法》和《国家食药总局36号令》等相关法律法规,对网络订餐食品安全风险进行了因素分析,总结并提出了16个风险评估指标,然后将数据文本类型与评估指标标签对应起来,采用层次分析法进行指标权重的计算,最后将权重代入文本模型中,构建网络食品安全风险评价体系。这为本文之后的应用研究即网络食品安全监测平台的构建提供了理论基础。（2）在基于时序模型的网络食品安全风险预测研究过程中,本文对比分析了ARIMA、LSTM以及Bi LSTM模型在本实验中的优缺点。提出了一种改进的Bi LSTM模型。在传统的Bi LSTM中引入了NSAdam梯度下降算法,加强了对于非平稳时间序列的记忆,提高了预测精准度。同时提出了一种对窗口长度的调优方案,以MSE作为评价标准搜索最优窗口长度。该模型算法为之后的互联网食品安全监测平台的构建提供了技术支持。（3）本文利用人工智能和深度学习等科学方法为规范互联网食品销售行为提供技术支持和理论基础,最后将理论技术应用于实际应用。在经过前期的需求分析和系统设计后,基于之前的风险评价体系和改进的时序模型构建了互联网食品安全监测平台,实现了对区域内的网络外卖商家的食品安全风险监控和风险值预测预警等功能。本课题研究来源于国家重点研发基金研发项目,属于《互联网食品销售违法违规行为监督技术研究与系统开发》主课题下的子课题。在理论层面上提出了改进的Bi LSTM网络模型,增强了对非平稳时间序列的预测能力,提高了模型的预测精准度。同时在应用层面上,构建了互联网食品安全监测平台。该系统的创建有助于增强公民的消费安全观念,提高我国的网络食品安全销售质量水平,对解决我国的网络订餐食品安全问题有着重要的参考价值。