我国作为历史悠久的农业文明古国,农村、农业、农民问题一直是国家工作的重点问题,妥善解决“三农”问题是全党工作者们义不容辞的义务。农产品价格作为现代经济体系中农产品市场的重要组成部分,与农民切身利益乃至国民生活质量息息相关,也是重要的民生问题之一。因此,关于农产品价格的预测就成了近年来的重点研究内容。由于农产品价格受到生产成本、供需变化、自然气候、政府政策调控等多方面外界因素的共同影响,其价格波动频率快、幅度大,呈现出非线性、非平稳的特征,给农户生产带来了巨大的风险。为满足农产品生产者、经营者以及政府相关决策管理部门的迫切需求,近年来,已有不少学者对农产品价格预测开展了探索性研究和实例认证。然而无论所采用的是单项预测方法还是组合预测方法,这些研究中都有两个重大缺陷:第一,数据获取难度大,样本输入需生产成本、供需变化、自然气候、政府政策等多维时间序列,然而这些相关数据在实际操作中很难全方位的获取;第二,将非线性非平稳的原始时间序列经过处理后选用模型进行预测的过程直接忽略了过滤出来的随机项,本人认为这也是预测精度不高的原因之一。本文在全面了解国内外对农产品价格预测的研究现状后,针对目前所提出的几种时间序列组合模型在非线性时间序列预测中无法对序列中的随机项进行很好的预测以及数据获取难度大的问题,提出了基于非线性方法的时间序列自回归组合预测模型。首先以小波分析方法对原始农产品价格时间序列进行分解,得到若干层高频分量和低频分量,然而随着分解尺度的增大,对应的数据个数快速递减,因此又将低频分解向量和高频分解向量分别重构为两支独立的高频序列和低频序列。然后用两种基于非线性方法的时间序列自回归预测模型将这两支时间序列分别进行预测,非线性有源自回归神经网络(NARX)预测模型用于预测波动幅度缓慢的低频序列,广义自回归条件异方差预测模型(GARCH)用于预测波动幅度较大的高频序列。最后将这两部分预测结果进行线性合成得到最终预测值,这种组合预测方法既确保了信息的全面性,也充分利用了农产品价格时间序列的自相关性。实验结果显示GARCH-NARX组合预测模型对于单一非线性非稳定时间序列有更好的适应性和更高的预测精度,验证了该方法的可行性,在理论上提供了新的预测思路。