粮食价格波动及其将来的走势与人们的生活息息相关，对大量的粮食交易数据深入地分析挖掘并进行价格预测，有利于管理和指导粮食交易，引导农业生产者根据具体情况选择合适的农作物，促进农业生产的信息化和市场化，降低农作物生产的成本和经济风险。因此，研究并预测农产品价格数据具有非常重要的意义。近年来，时间序列预测分析法的一个重要分支――指数平滑法，以其性能优越、适应性强和简单易用等特性，在预测方面得到迅速的发展和深入的研究，并在军事、自然科学、经济等领域得到广泛应用。随着深入研究和广泛应用，研究者发现指数平滑模型存在三个难以解决的问题，首先是平滑初值难以确定，其次是静态平滑参数难以适应时间序列本身的变化，最后是平滑参数的取值问题，大多是凭经验和多次实验，往往难以取得最佳值。本文研究重点是解决传统指数平滑模型的难点，并将其应用到粮食价格预测领域中。本文首先详细分析指数平滑法模型的理论，讨论原模型的原理和优缺点。其次，在前人取得的研究成果的基础上，通过深入分析和完整的论证，在原有二次平滑公式模型的基础上进行改进，建立基于动态参数的动态指数平滑模型，克服了预测过程中静态平滑参数难以适应时间序列本身变化的缺点，并在指数平滑算法中引入遗传算法来对参数进行优化选取，较好地解决平滑参数难以确定的问题，为决策提供更好的支持。然后，本文使用粮食交易市场的交易数据，对二次指数平滑模型、霍尔特模型和动态指数平滑模型进行对比实验，通过实验结果的对比分析，证实了动态指数平滑模型的优越性，预测的准确率较二次指数平滑模型有较显著的提高，在三种预测模型中有着较强的鲁棒性。最后，总结本文的研究成果，并对粮食价格预测的未来研究方向和重点以及在其他领域中的应用做了展望。