大豆作为农业大批量生产和消费的原材料商品物资,其价格波动对一个国家的经济生产活动有着重大影响,直接影响着国计民生。同时,大豆也是大宗商品中重要的一类农产品,而拥有大量大宗商品作为贸易资源的国家,在国际市场中天然占据一定的贸易优势。我国是大豆进口大国,大豆贸易一直受全球市场供需和政治经济影响,因此大豆价格的变化在我国一直备受关注,大豆相关产业也整体面临一定的风险。进入WTO后,国产大豆的价格受到进一步压缩,这是由于国内大豆的消费需求大量依赖进口大豆,同时大豆的国际价格下跌严重,使得大豆种植业的压力提升。为了规避大豆现货价格震荡的风险,大豆期货为交易者提供了价格发现、套期保值等重要参考和帮助手段。因此,对大豆期货价格的预测直接关系到投资者的资产配置,并有助于相关农产品企业的生产和消费决策,让国家贸易和货币政策的制定和实施更加有效。由于大豆期货市场复杂的影响因素和影响机制,大豆期货价格具有显著的非线性和高波动性。本文以大豆期货价格作为研究对象,提出了一种新的基于分解和优化算法的优化学习方法。本文的主要内容可以分为五个部分:第一部分,讲述了本文的研究背景及意义,介绍了本文的主要研究内容以及国内外相关文献综述。第二部分,阐述了相关的统计预测模型和变分模态分解方法的基础理论。第三部分,基于传统的哈里斯鹰优化算法,详细论述了改进的混沌哈里斯鹰优化算法的构建过程,并将改进后的混沌哈里斯鹰算法应用于极限学习机模型初始权重和阈值的优化,同时给出了优化学习框架和预测步骤。第四部分,分别采用本文提出的基于分解和优化算法的优化学习方法和其他六种大豆期货价格预测模型来预测大豆和原油的期货价格,并通过对比统计误差和统计检验,验证本文提出的优化学习方法在大豆期货价格预测中的水平和方向预测效果。第五部分为结论和展望,总结了本篇论文的研究成果,指出现有工作的不足以及对未来的工作和研究方向进行展望。本文的主要贡献在于:（1）提出了一种新的基于分解和优化算法的优化学习方法,以提高大豆期货价格的水平和方向预测精度。（2）针对哈里斯鹰算法收敛精度低的缺点,提出了基于混沌映射改进的混沌哈里斯鹰优化算法,实证结果表明,改进后的混沌哈里斯鹰算法在优化精度以及搜索能力方面均具有显著的提高。（3）采用混沌哈里斯鹰算法优化极限学习机模型的初始权重和阈值,避免了模型参数设置的随机性和盲目性,同时提高了极限学习机模型的预测精度。