预测微生物学是依据各种食品微生物在不同加工、贮藏和流通条件下的基础信息库，预测食品中微生物数量的动态变化，并对食品的安全性做出快速判断的一门学科研究新领域。预测微生物学的核心在于建立完善的数学模型。 本文第一部分介绍了预测微生物学的研究模式以及其与不同学科的结合方式，并聚焦到将成为预测微生物学未来发展源动力的神经元网络技术。 　　预测微生物学运用微生物学、工程数学以及统计学进行数学建模，利用所建模型预测和描述处在特定食品环境下微生物的生长和死亡。预测微生物学的核心在于建立完善的数学模型，预测微生物学数学模型被分为三级：初级模型、二级模型和三级模型。初级模型描述微生物数量变化与时间的关系；二级模型描述初级模型中的参数与环境参数之间的关系；三级模型也称为专家系统，是在初级模型和二级模型的基础上，通过计算机编程制作出的友好软件，它使得非专业人士同样可以获得预测微生物学的相关信息和指导。 本文第二部分介绍了预测微生物学模型的局限以及分类，并对建模方法进行了讨论。 　　第三部分本文探讨了培养温度、初始pH值以及NaCL浓度对大肠杆菌的需氧、厌氧生长的影响。所选用的菌种的培养方式是三株大肠杆菌的混合培养，培养基为牛肉汤。 　　第四部分是本文重点：以反应响应面方程分析Escherichiacoli动态生长数据，并建立数学模型描述培养温度、初始pH值以及NaCL浓度对大肠杆菌的需氧、厌氧生长的影响。本文主要探讨通过响应面方程找出环境因素(培养温度、初始pH值以及NaCL浓度)与Escherichiacoli生长参数LPD和GT之间的关系，并建立数学模型。