近年来,随着数据挖掘技术的不断发展和进步,已经给人们的生产生活带来了巨大的经济效益和生活便利。神经网络模型是数据挖掘中应用最广泛的模型之一,而基于梯度下降的BP神经网络是目前应用最广泛的神经网络模型之一。建立一套基于BP神经网络用于生产生活的预测模型能给人们带来极大的方便。由于基于梯度下降的BP神经网络在学习的过程中存在容易陷入到局部的极小值点的缺点,所以本文结合灰色理论的预测算法,对BP神经网络预测模型的学习算法进行了改进。本文实现了一个用于生猪市场价格预测的数据挖掘模型,对于建模过程的各个步骤都进行了具体的阐述和研究。论文首先讨论研究了灰色理论中的GM(1,1)预测模型,进而提出了一种改进的GM(1,1)预测模型。基于这种改进的预测模型对于数据的缺值问题进行了优化处理,并且将它与BP神经网络模型相结合,进行了神经网络学习算法的改进,一定程度上解决了网络学习的过程中很容易陷入到局部的极小值点的缺点,使得神经网络在学习效率方面有了一定程度的提高。