粮食不仅是人民进行生产生活的必要资料,而且也是与民生和经济关系密切的战略物资。在过去的十二年间,中国实现粮食产量的连续增长,但却面临着“产不足需”的现况,而且缺口日益增大,近年来我国粮食进口数量和比例不断上升。与此同时,国际粮食价格剧烈波动,整体大幅走高,中国却缺乏国际粮食定价的话语权,只能被动接受大幅增长的国际粮价,这直接影响了国家的粮食安全和经济安全。如果能够在粮食价格走势和波动方面有比较准确的判断和预测,那么对国家政策的指定、相关贸易企业的策略选择以及农户的生产规划等方面都带来一定的优势。本文选用小麦、大米和玉米三种作为粮食产品的代表,运用X-13A-S方法对粮食价格进行了季节性波动分析,并研究了趋势循环因素和不规则因素对价格的影响规律,粮食的价格具有明显的季节性波动,这与它们各自的生长周期保持一致；不规则因素、趋势因素和季节因素共同决定了粮食价格的短期变化,其中不规则因素的影响最大,而价格的长期走势是由趋势因素决定。分别运用谱分析和小波分析对粮食价格的周期性进行了分析,确定了粮食周期的存在性以及周期波动的长度,最后对粮食价格周期波动的原因进行了分析。粮价存在着3-4年的周期,这与农民依价格波动对粮食的生产进行调整有关。不同因素对粮食价格带来了不同长度的周期的影响,而在这些周期的复合影响下,粮食价格波动呈现出多周期性的特征,随着粮食金融化的不断发展,粮价的不稳定性也越来越强,未来的粮食周期有着越来越短的趋势。基于分解-重构-集成的思想,运用集合经验模态分解(EEMD)、灰色关联分析、人工神经网络(ANN)、支持向量机(SVM)和时间序列方法,本文构建了一个新的多尺度组合预测模型。其具体的步骤是：首先运用EEMD的多尺度分解方法对粮食价格序列进行分解；然后计算出各分解项的灰色关联系数,同时考虑波动频率将分界项重构；并针对重构项的不同波动特点,分别选用不同的方法进行预测；最后运用SVM集成各项的预测结果。运用构建的预测模型分别对小麦、大米和玉米这三种粮食进行了价格的预测分析。实证结果表明,本文构建的预测模型优于GM(1,1)、BP神经网络、SVM方法、ARIMA模型等单模型,优于ARIMA-SVM组合模型,也由于基于EMD和EEMD分解的其他多尺度组合模型。同时横向比较发现,三种粮食的价格预测精度很接近,这表明,本文构建的多尺度组合模型比较适合粮食价格的预测。