随着Web技术的飞速发展，万维网已经成为世界上最大的资源库，面向Web数据的挖掘与应用成为数据挖掘领域的研究热点。其中，针对Web中大量动态表格形式的行情数据的有效获取和预测，具有理论价值和实际意义。本文主要针对这一课题开展研究，内容如下：(1)提出了Web行情数据抽取算法和Web页特征抽取算法。两个算法都充分利用了HTML的语法规则和Web页设计规律。Web行情数据抽取算法主要基于“Web行情数据通常在网页中表现为区域最大的数据表格”等规律，首先自动识别出最大的数据表格，然后转换为DOM树结构，最后抽取DOM树的结点值。与传统算法不同，算法无需用户定义抽取数据区域，实现了自动抽取。为了描述被抽取的页面，提出了Web页的元数据描述模型及元数据提取算法。元数据抽取算法充分利用Web页规律，通过正则表达式实现了有效抽取。实验表明，Web行情数据抽取算法和元数据提取算法均具有较好的性能。(2)开展了Web行情数据的预测研究。行情数据预测需求一般分为长期预测(一年以上)和短期预测(一年之内)。利用Web行情数据抽取算法获取某农产品报价数据后，针对长期和短期预测需求，分别运用多个时间序列预测模型、使用不同的样本数据，比较预测模型和样本数据对预测性能的影响。实验表明，长期预测采用线性季节模型和长期样本数据的性能较好；短期预测采用Holter-Winter季节模型和短期样本数据的性能较好。(3)设计并实现了一个农产品价格预测原型系统。该系统针对某个农产品，自动从特定网站获取每日价格行情数据，以图式显示指定样本区间的价格数据，并根据用户输入的预测区间选择模型进行价格预测。