农产品市场的平稳运行不仅影响着国家经济发展,也是人民安居乐业的保障之一。对农产品价格趋势的预判往往会左右农业工作者的生产规划和消费者的消费习惯,然而,目前市场上尚缺乏较成熟的农产品价格趋势预测的平台,广大农业工作者和消费者无法及时、方便地获取农产品价格的未来趋势预测信息。本文针对这一痛点,利用深度学习技术,开发一个应用于农产品领域的价格预测系统,既符合“互联网+农业”的经济发展新模式,也助力国家大力推动精准扶贫的政策。时间卷积网络（TCN）是近几年较新的研究成果,通过空洞卷积结构和权值共享的方式对抓取时间序列的特征信息更加显著,将TCN应用在农产品价格预测上是一种新的尝试。此外,在TCN的基础上引入长短期记忆网络（LSTM）基于门结构加强对时间序列长期依赖的记忆控制优势,本文提出了改进的时间卷积网络模型。针对文中提供的九个类别的数据集,通过与多层前馈网络（BP）、支持向量回归机（SVR）、TCN、LSTM等单一模型以及BP-ARIMA组合模型等对比,实验表明改进的时间卷积网络模型在总体指标上均有更高的准确率。围绕农产品价格预测模块为核心,本论文采用前后端分离的开发模式,应用一个大前端、多个后端服务这样的架构思想,实现了能够提供给用户农产品预测、用户登录、农产品信息查阅等功能的PC端和移动端系统,最后完成了对系统的压测,对响应时间等指标计算的结果表明该系统对比过去的单体架构在扩展性、稳定性、并发性上要更好,未来不论是系统本身独立扩展还是结合到其他的平台都具有实际应用价值。