自改革开放以来，尤其是加入世界贸易组织之后，中国农产品市场总体规模不断扩大、市场活跃度不断增强，农产品价格的不稳定性和波动性问题也日益突显。其中，水果作为一种典型的鲜活农产品，已经成为我国种植业中继粮食、蔬菜之后的第三大农产品。水果价格的波动特征十分明显，尤其是短期价格波动幅度更大，给水果市场的生产经营者和消费者带来了不利的影响。开展水果市场短期价格预测研究对于稳定水果市场秩序，确保居民生活稳定以及稳步提高农民的收入水平具有重要的意义。鉴于此，本文为获得能够更精确地对水果价格进行短期预测的方法，引入最新的人工神经网络智能预测法，通过其自学习的特性对已获得水果价格时间序列数据的波动规律与发展趋势实现记忆性学习，最终预测出未来价格。本文主要从以下几个方面进行研究：一、讨论中国水果市场现状和存在的问题、分析水果价格波动及其影响因素，指明水果市场价格波动的复杂性与艰巨性。具体地，从生产、物流、消费等基本方面入手，对中国水果市场中普遍存在着的不稳定结构和发展滞后现状进行详细分析；从自然因素、经济因素、社会因素等众多因素进行详细讨论，并分析各具体因素对水果价格的影响和影响机制。二、介绍和分析人工神经网络尤其是误差反向传播前向神经网络（BP神经网络）的理论与机理，突出其不同于传统方法的性能及特点。具体地，介绍了人工神经网络方法的自组织、自学习、记忆性、并行运算等智能性特征，以及实现这些特征的网络结构和算法推理；还讨论了人工神经网络用于预测目的时的应用方式和预测思路，为构建基于人工神经网络方法的水果价格短期预测模型提供理论依据。三、通过以富士苹果主产区的批发市场日度价格为研究数据，设计基于Levevberg-Marquardt算法的BP神经网络预测模型。通过实证试验，证明了其相对于基于标准BP算法的BP网络预测模型而言，具有更强的稳定性和收敛性。但同时也发现，BP神经网络预测模型的预测结果具有随机因素等问题。针对相关问题，在分析和试验的基础上通过多次预测求平均的方法能够在一定程度上对预测结果进行改进。经过以上的相关研究，可以得到以下几点结论：一、中国水果市场已成为一个关乎国计民生的大市场，水果价格的波动性与相关生产经营者和消费者息息相关。但是目前关于水果市场的研究大多集中于水果产销类、水果物流类和水果贸易类等研究，而对水果价格的研究则相对较少，尤其是基于数理量化的价格预测研究明显不够充分。开展水果价格预测研究，深化数理化预测显得尤为必要。但是从价格预测方法来看，定性分析、计量统计等传统方法应用居多，人工神经网络等近年来发展较快的智能预测方法则应用较少。尤其是价格的短期预测难度较大，传统方法在处理短期预测问题时往往力不从心。应用人工神经网络等现代智能预测方法对水果价格进行短期预测研究不失为一个较好的研究思路和实用方法。二、人工神经网络方法作为一种现代智能预测方法，其自组织、自学习、记忆性、并行计算等特点在复杂问题研究中具有较大的优势。通过对基于人工神经网络（本文中具体为BP神经网络）的架构、算法等方面的合理设计，能够建立较适用于水果价格短期预测的模型。三、实证分析结果表明，基于人工神经网络的水果价格短期预测模型具有较高的预测精度，但同时也存在着一些问题，如含有轻微滞后性、随机因素、个别预测点误差相对较大等。针对这些问题，通过多次预测试验获得预测平均值的方法可以达到改进的目的。虽然改进的幅度比较有限，但这种改进方法具有进一步深入研究的价值。