农产品的价格波动及其将来的走势与人们的生活息息相关,而玉米是我国的主要粮食产量之一,生产量很大,种植广泛,而且用于粮食作物、饲料作物、燃料作物等方面的消费量也很大。所以近年来,该粮食的产量、价格、需求量等备受关注,尤其是价格是人们最关注的。多年来,国内外很多学者对玉米市场做了研究,有的将时间序列的各种模型应用到价格的分析与预测上,效果比最初的线性模型好。而现在使用的各种算法准确度高、效果好,通常不用受很多条件的限制,而且运算速度也是比较快的。所以,很多学者在考虑农产品分析问题上也会使用数据挖掘的算法。本文致力于解决实际问题,以农产品价格--玉米价格为研究对象(选取的数据为2005年1月到2016年11月的价格),在各位学者研究的基础上,综合考虑并选择合适的方法,根据实际问题,分析借助R工具建立模型,选取最优模型进行最终的预测。本文分析实例问题时借助R工具,通过分析建立时间序列模型、神经网络模型:对于时间序列模型,选用AR(1)、ARIMA(1,1,1)、ARIMA(2,1,3)、多重季节MA模型ARIMA(2,1,3)、季节模型ARMA(2,0,2)这5个模型,选取出最优的模型;对于神经网络模型,选用前五个月、六个月、十二个月的月度数据分别作为输入神经元,输出神经元为未来一个月、两个月、三个月、四个月、未来五个月的月度数据,通过设置隐藏层的单元个数、反向传播速率、最大迭代次数等指标,共建立45个模型,通过比较选出最优模型;最后将两种方法进行比较,最终选出最优模型,进行预测。通过对这个具体问题的分析,可以看出:(1)价格波动的影响因素有很多,多种因素结合起来很难用线性的模型表示,用传统的模型很大局限性,精度也不高。而神经网络可以很好地解决非线性问题,因为神经网络可以任意近似任何非线性函数。神经网络可以任意精度的逼近任何非线性函数。本文最终选取的预测方法是神经网络建模方法。(2)通过影响因素的分析,可以看出有很多指标无法量化,所以从价格趋势角度进行分析。(3)通过各种模型的结果的比较,可以看出,神经网络算法用于市场价格预测,得到的预测结果与真实值得误差是比较小的。综合分析,最终选取神经网络模型进行预测,并且根据预测未来时间的长短,选取不同的模型进行预测,得出预测结果。最后,将最终得出的结论进行延伸,分析未来更长时间的价格。