价格预测是价格决策的前提,了解当前市场价格变化情况并根据有效的影响因素进行预测,获悉未来市场价格的变化趋势,是做出科学决策的重要手段。随着市场经济不断发展,价格预测已成为研究生产、供需、经济规划等多方面的有效手段,成为近年来经济领域的研究热点。我国是农业大国,农产品市场是中国市场经济体制中极其重要的组成部分,而农产品价格则是农产品市场的核心。价格信息是市场的“风向标”和“温度计”,农产品价格的合理与否,不仅反映了当前农业经济的发展水平,同时还影响着农产品相关行业的发展。农产品价格预测,一直以来都是农业经济领域的重要课题,它不仅在理论上具有科学的研究背景,同时在实际生活中也具有重要的应用意义。本论文主要是围绕农产品价格预测展开研究的,针对这一问题,具体工作内容包括:1.建立分位数-径向基函数(Q-RBF)神经网络模型,并采用条件概率密度预测的方法,构建预测模型总体框架。该模型由两部分组成:采用RBF神经网络作为非线性模拟的核心结构,引入分位数回归的参数估计方式设计模型结构与参数。预测模型能达到两个效果:既能有效模拟社会经济数据间的非线性关系;又能充分利用数据的全部信息进行整体估计。2.在预测模型总体框架上,讨论模型结构与参数设计。为实现提升模型预测精度与收敛效率的理想目标,采用梯度下降法和遗传算法结合的改进算法求解模型。首先讨论梯度下降法与遗传算法结合的可行性;然后详细分析预测模型的结构与参数;接着重点讨论改进算法的详细设计,包括基于梯度下降法的参数估计,以及基于遗传算法的结构与参数同步设计的优化方法;最后总结改进算法。3.选取国产大豆价格作为研究对象,采用改进Q-RBF神经网络模型对其建模分析,并与其他预测模型进行比较。结果表明,该模型在预测精度和收敛效率两方面均具有明显优势,可以进行泛化应用。