在大数据科技技术飞速发展的今天,各行各业开始不断地引进大数据技术并借助其相关知识以帮助企业快速成长与发展。近年来,肉鸡价格预测的研究已经成为了被国内外学者广泛关注的研究课题,对肉鸡价格的预测,不仅具有较高的学术价值,而且对养殖企业的战略制定、风险控制有着重大的应用价值,并且能够为养殖企业的管理者进行决策提供重要的参考依据。纵观我国肉鸡养殖现状,存在养殖信息不透明、饲料和人工成本高、疫病灾情影响显著等不利因素,极大地影响着肉鸡养殖的生产销售过程,同时宏观经济增长速度放缓和居民消费信心不足导致我国现阶段肉鸡消费市场低迷。因而,哪家养殖企业能够预测肉鸡价格的未来走势,就能够洞悉市场的先机,为企业带来更大的利润空间。本文的研究过程分四个阶段,第一阶段对样本进行预处理,分析样本数据的分布情况与产生噪音数据的原因,并引入股票指标扩展特征变量;第二阶段使用BP(Back Propagation)神经网络、支持向量机(SVM)、K近邻(KNN)和贝叶斯算法构建涨跌预测模型,并采用相关系数、主成成分分析(PCA)和去除噪音月份等方式处理样本,经过对比发现BP神经网络预测涨跌的正确率最高,其次是KNN算法;第三阶段使用BP神经网络、支持向量机(SVM)和多元线性回归算法构建价格预测模型,并使用可变学习步长和GA算法对BP神经网络进行优化,通过实验结果对比得到基于GA优化的BP神经网络对价格预测的平均误差最小,其次是SVM;第四阶分别段选出涨跌预测和价格预测准确率最高的两个算法,经过两两组合,形成四组先预测涨跌再预测价格的算法组合,通过实验对比发现基于BP神经网络的先预测涨跌再预测价格的算法组合模型的平均误差最低,效果最好。本文核心思想是先预测涨跌再预测价格,由于相同类别的数据集具有非常高的特征相似度,把样本数据分成指示上涨和下跌的两类,并分别构建上涨和下跌价格预测模型,一方面可以使同一样本集内数据之间的关联性大大增强;另一方面,在最大程度知道未来价格是涨是跌的基础上,使用对应的价格预测模型来预测价格,不但降低了数据的离散性,而且降低预测误差,使更加接近实际值。