随着社会生产力的提高,社会经济水平的发展,人们的生活水平也慢慢得到了提高,人们开始关注饮食安全问题。农产品质量安全问题成为了当今社会人们日常最关心的问题,鉴于农产品在生长发育、包装加工到物流配送的环节中,影响其质量有诸多风险因素,某个环节稍有不慎就会导致农产品质量下降。农产品质量风险评估涉及的风险因素众多,每个因素之间还有着相互联系,因此指标间权重的划分是最终预测是否准确的必要条件。因此需要构建相应的风险预警体系,保证农产品质量安全,为今后完善农产品质量安全风险预警系统提供坚实基础,从而有效降低食品安全风险。针对以上问题,本文采用蚱蜢优化算法优化梯度提升决策树算法中具有关键性的参数,从而提高梯度提升决策树算法在特征提取时的效率。将改进后的循环神经网络应用到风险评估模型中,有效地提高模型的预测准确率。本文的研究内容如下:(1)从农产品生产加工运输等环节进行具体分析,结合风险评估原理对农产品供应链中所存在的风险因素进行分析,构建风险评估指标体系。(2)针对农产品风险评估体系中的风险特征,提出利用群智能算法优化梯度提升决策树算法中关键点参数,利用改进后的算法进行特征提取,筛选较优的特征子集。(3)分析神经网络模型应用于风险评估的有效性和可行性,针对传统循环神经网络在拉伸网络长度时出现的梯度消失问题,提出利用改进的循环神经网络算法应用到风险评估中,拉伸网络模型的复杂度,提高非线性表达,使得模型能够更好的预测风险。