随着经济的发展,我国海产品贸易逐渐向国际化方向转变,进入快速发展阶段,进而带动了水产行业的结构优化升级,提升国际竞争力。产品价格指数作为度量市场运行状况的重要参数,与市场的供求关系、企业的经济利益和生产模式息息相关。所以,对海产品价格指数进行预测,既利于企业不断调整生产销售模式,制定合理营销策略,又利于国家对市场进行宏观调控,有效配置资源,进而推动海产品市场持续、稳定的运行。本文以2012年10月至2017年9月三疣梭子蟹的价格指数及其六个影响因素为例,先对海产品价格指数影响因素作关联度分析,然后分别采用灰色预测、BP神经网络和小波神经网络三种方法对下一年度的价格指数进行预测。首先建立灰色GM(1,1)模型直接将价格指数作为原始数据,经过矩阵变换将价格指数作为一阶微分方程的解,确定方程发展灰数和内生控制灰数,得出方程具体形式,将时间参数后移12个单位便可得出下一年度价格指数预测值。其次建立三层BP神经网络模型,将价格指数和影响因素归一化后,根据经验公式选取最佳隐含层节点个数,设置一段循环代码完成此目标。根据实际需要确定网络的权值和阈值,调整输入层,隐含层和输出层的传递函数,训练最优网络模型,完成BP神经网络的构建,并对下一年价格指数进行预测。最后建立小波神经网络模型与BP神经网络模型处理情况类似,小波神经网络也设置为三层模型。依据小波变换原理,确定小波伸缩因子,平移因子,网络的连接权重_t,载入归一化后的原始数据,对网络参数进行训练与修改。在三种预测模型的预测结果基础上,对模型效果进行对比分析。发现小波神经网络的预测值在精确度与可信度上优于另外两种模型,这对以后市场预测分析有实用价值和重要意义。