中国的大蒜产量占全球总产量的70%以上,是中国出口创汇最多的农业单品。近年来,大蒜价格大幅频繁波动,给大蒜产业的健康可持续发展带来了严峻挑战。本研究在对大蒜价格价格波动特征进行详细分析的基础上,构建了EEMD-GRU的组合预测模型,实现了大蒜价格的精准预测。在价格预测模型建立基础上,利用Java EE、数据处理等关键技术研发了大蒜价格预测系统。具体研究内容如下:（1）大蒜价格波动规律研究。采用宏观与微观相结合的方式对大蒜价格波动特征进行分析。首先利用波峰-波谷法将大蒜价格波动周期进行了划分,可将波动周期划分为五个,五个波动周期的长度各不相同。进一步利用STL趋势分解法分解大蒜价格序列,得到季节项、趋势项和剩余项。对各项分别进行分析,可以看出大蒜价格有着非常显著的季节性波动特征,波动周期为12个月,且每个周期的价格波动趋势基本相同;大蒜价格易受自然灾害等不规则因素的影响。最后分析大蒜影响因素与大蒜日价格序列的相关系数,结果表示影响因素对大蒜日价格序列的影响较小,仍需要通过波动特征预测大蒜日价格变化。（2）大蒜价格预测研究。充分发挥单个模型的优势特点,将不同的模型进行组合,构建组合模型进行价格预测将显著提高预测效果。在价格预测模型综合分析对比基础上,研究构建了EEMD-GRU大蒜价格组合预测模型。首先利用EEMD分解法对大蒜价格序列进行多时间尺度分解,得到拥有不同时间尺度的12个IMF征模函数,并将其分类整合得到高频项、中频项和低频项。分析高频项、中频项、低频项与大蒜价格序列的相关系数以及对大蒜价格序列的贡献率,结果发现低频项和中频项对大蒜价格的贡献率高,两者结合为94%,将中频项与低频项结合,得到重构后的大蒜价格序列。将重构后的大蒜价格序列导入GRU模型,选择50次训练次数以及30个隐藏神经元进行大蒜价格预测,得到预测结果。通过MSE等评价指标将EEMD-GRU组合模型得到的预测结果与ARIMA、ARIMA-SVR和LSTM模型得到的预测结果进行对比,结果发现EEMD-GRU组合模型的趋势预测准确率最高,预测误差最小,预测效果明显优于ARIMA、ARIMA-SVR和LSTM模型。（3）大蒜价格分析预测系统的研发。在大蒜价格波动特征分析、价格预测模型的研究基础上,研发了大蒜价格分析预测系统。大蒜价格预测系统的构建能够为大蒜产业各环节提供高效、精准的数据分析预测服务,辅助大蒜产业相关人员进行科学决策,利于推动大蒜产业的健康可持续发展。