信息革命带来了数据更高效的生产、存储和消费外，还有数据的爆炸式增长，进而人们发现原有的对数据的利用造成了巨大的浪费，人们达成共识，开始系统的对数据进行分析，催生了数据挖掘技术并带来了巨大的社会效益。在农业的整个产业链上，一方面随着农业信息化的发展，对农产品的生产、加工、流通、销售等环节有着大量优质的数据被存储下来，另一方面“菜贱伤农，菜贵伤民”的现象却频频发生，说明对农业产业数据的利用率依然很低，使用数据挖掘技术分析这些农业产业数据，发现其中蕴含的有价值的模式，对于解决“菜贱伤农，菜贵伤民”等社会现象，促进农业生产，维护社会稳定具有重要的价值和意义。本文是基于数据挖掘技术的山东省农产品价格预测模型的研究，利用数据挖掘算法建立预测准确率高、预测稳定性强、计算复杂度低的农产品价格预测模型。本文在经典的最近邻算法的基础上，在通过相似度计算最近邻的时候，将二项式函数与欧氏距离公式结合使用，并使用粒子群算法对二项式函数系数、最近邻算法的k值进行参数优化，提出了基于二项式函数计算欧氏距离的加权的改进的最近邻算法；使用粒子群算法优化在各种预测模型中广泛使用的前向反馈神经网络算法的参数；针对改进的最近邻算法预测稳定性强的优点，改进的前向反馈神经网络算法预测精度高的优点，将两种改进的算法有效的结合使用，建立了针对山东省农产品价格预测应用的最佳预测模型，期望对农产品的生产销售起到指导作用。最后，使用山东省青岛市南村蔬菜批发市场最近三年多的大白菜价格数据对建立的预测模型进行评估，证明了改进的最近邻算法在预测精度上的提高；改进的前向反馈神经网络算法在预测精度、计算效率上的提高；以及将两种算法综合使用后构建的农产品价格模型预测精度高、稳定性强、计算复杂度低的优点及其可行性。