蔬菜作为饮食搭配中重要的食品,其价格变动影响了菜农和居民的利益。蔬菜价格是上升还是下降,对于普通居民日常蔬菜的购买和农民增收方面来讲,影响是很大的。因此,近几年,在对蔬菜价格的监测以及蔬菜价格的调控问题上面,上海市政府投入的精力越来越多。因天气、季节、政策的影响,蔬菜价格表现出比较大的波动,同时还表现出来明显的不确定性和间歇性等特点。在全面建设小康社会过程中,发展蔬菜种植对菜农增收,对乡村振兴等方面都具有重要意义。对蔬菜价格进行预测,实时性地反映蔬菜价格变化,可以平衡市场供应,降低市场风险,保障菜农收入,有助于政府部门及时采取相关措施应对价格的波动,合理引导菜农种植行为。在这种情况下,本文主要对上海市蔬菜市场价格进行短期预测,目的是能够对蔬菜的市场价格进行发展态势的把握,使得蔬菜市场运行得更加平稳。通过研读分析国内外相关领域的研究成果,发现其存在的不足,结合自己研究的主题,本论文主要从以下几个部分进行研究:第一,对上海市蔬菜价格市场形势分析。了解上海市蔬菜价格波动特点,对上海市蔬菜价格的波动特征问题进行相关分析,将影响上海市蔬菜价格波动的因素找出并进行分析。第二,对上海市蔬菜价格短期预测模型的构建研究。采用神经网络模型,对极限学习机模型进行优化和改进。在蔬菜价格短期预测中,采用模态分解法与神经网络法相结合的模型,更加准确地对蔬菜价格进行预测。第三,对上海市蔬菜价格短期预测的实际应用。通过蔬菜价格信号分量预测结果和组合预测结果对比分析,表明MEEMD-KELM组合模型能极大提高预测精度。第四,针对得出的结论,然后提出建议。通过研究本文得出的主要结论有:（1）上海市蔬菜价格在各年度之间的变动趋势是波动上涨的,在各年内的特点是季节性波动明显;（2）在蔬菜价格短期预测中,对比其他组合模型,MEEMD-KELM无论从预测精度上看,还是从拟合效果上看,结果都明显比其他组合模型效果好,显示了其在处理波动性、间歇性、不确定性信号问题上的优势;（3）在实际应用中,以MEEMD-KELM组合模型为例的人工智能模型已经有所运用,其预警能力较强,在蔬菜价格短期监测方面前景较好。根据本文得出的结论,提出以下相关建议:（1）完善上海市蔬菜市场监测预警机制;（2）及时更新蔬菜市场信息;（3）加强人工智能技术在蔬菜领域的应用;（4）加强蔬菜直接供应;（5）提高蔬菜生产机械化能力;（6）加强健全的冷链物流体系建设。