作为世界上主要的大蒜生产国、消费国及出口国,我国大蒜产量和种植面积均居世界首位。大蒜是我国外贸出口创汇的主要农产品之一,已成为主产区农民致富的支柱产业。近年来,由于产供销信息不对称,供需失衡及游资炒作等原因,大蒜价格出现“过山车”式剧烈波动,“蒜你狠”、“蒜你贱”等现象频繁发生,给蒜农、经销商及加工企业的正常生产、经营造成了极大影响,严重威胁着大蒜产业的平稳健康及可持续发展。研究探讨大蒜价格的波动特征及影响因素,预测大蒜价格并研发大蒜价格预测系统,不仅可为政府科学宏观调控提供重要的决策支撑,更为广大种植户、合作社、加工商及商贸物流企业防范风险提供了科学依据。因此以大蒜价格为研究对象,探讨内容如下:（1）大蒜价格波动特征分析从日、月、季度三个不同时间粒度对大蒜价格波动特征进行分析。对大蒜日价格使用广义自回归条件异方差（GARCH）类模型分析,得到大蒜价格具有波动集聚性及持久性的特征。对大蒜月价格进行波动频幅的划分,得到大蒜价格波动以正常波动和大幅度波动为主,且新蒜上市时以大幅度波动为主;同时使用季节分解（Census X-12）和HP滤波方法对月价格进行分解,得到大蒜价格的波动周期且价格波动具有显著的季节性特征。进而对大蒜季度价格进行分析,发现通常情况下第三季度价格波动趋势与其余三个季度存在较大差异。通过对大蒜价格进行不同时间粒度的波动特征分析,得到大蒜“产量”、“库存量”等因素对价格波动有显著影响,将其作为大蒜价格预测模型的输入,为提高模型预测精度奠定基础。（2）大蒜价格预测研究在价格波动特征和影响因素研究的基础上,以长短期记忆网络模型（LSTM）为基础设计大蒜日价格、月价格预测模型。首先,通过调整学习率、神经元个数、训练轮数、LSTM的深度来优化预测模型,实验证明输入数据经过主成分分析降维后输入双层LSTM模型在评价指标及学习能力上表现最优。由于模型的参数通常由经验决定,通过多次对比实验调优参数耗费大量时间,且很难做到同时优化多个参数。因此提出采用优化算法对模型进行参数调优,引入麻雀优化算法（SSA）及粒子群优化算法（PSO）,实验证明,优化算法的引入在一定程度上降低了调参的复杂度,提高了参数寻优的收敛速度。通过对比SSA及PSO优化算法对堆叠式LSTM的优化效果,结果表明PSO-PCA-堆叠式LSTM在大蒜月价格及日价格预测上精度较高。（3）大蒜价格预测系统的研发在完成大蒜价格波动分析及价格预测的基础上,设计并实现了大蒜价格预测系统,为用户提供大蒜价格波动分析,大蒜价格波动幅度提醒,大蒜价格预测等服务。辅助大蒜产业相关人员进行科学决策,为推动大蒜产业平稳、健康及可持续发展提供助力。