随着世界经济的发展,中国对外经贸往来也不断增加。自加入WTO以来,我国的经济发展可以说是机遇与发展并行。国内群众的消费水平不断增加,而经济全球化影响着各类产品市场。农产品是作为消费的必须品,大大占据了产品市场的比重,大量的农产品市场面临着相应的挑战。具体表现为农产品价格的不稳定,市场价格波动偏大,致使调节农产品价格成为市场研究的热点,稳定农产品市场价格越来越受到国家政府的重视。在众多的农产品中,蔬菜和猪肉是人们日常生活中不可缺少的食物,其价格波动将会使农产品消费者和生产经营者的利益受到损害。农产品市场价格的预测研究对稳定农产品市场秩序,确保居民生活稳定以及稳步提高农民的收入水平具有重要的意义。深度学习作为一类新兴的多层神经网络学习算法,与以往的算法相比,深度学习能够弥补传统算法那种容易陷入局部极小点的缺陷,能够很好的实现对高变函数等复杂高维函数的表示,减少计算的复杂度。鉴于此,本文通过引入深度学习算法,通过其自学习特性,以2005年到2012年的农产品价格数据来确定深度学习网络最优结构,再以2013年和2014年的数据为测试集样本,实现更加准确地对农产品价格的预测,本文主要从以下几方面研究:第一,详细介绍深度学习的基本理论。对玻尔兹曼机、受限玻尔兹曼机、卷积神经网络、深度信念网络几种常见的深度学习模型的基本概念、结构图、推导过程等进行介绍。第二,根据对农产品价格形成原因以及波动机理的分析,从而来判定影响农产品价格的主要因素。并对蔬菜价格和猪肉价格及其影响因素数据进行收集,通过归一化处理,将数据分布在[0,1]的范围内,然后进行主成分分析,提取数据主成分数,从而达到消除数据间共线性的目的。第三,以2005到2012年的蔬菜价格和猪肉价格及其影响因素主成分数为校正集,通过实验的方法,确定深度信念网络的最佳隐含层个数以及隐含层所含的节点个数,并将2013年和2014年的蔬菜价格和猪肉价格及其影响因素主成分数为测试集,结果表明,深度学习网络模型预测精度相对于BP神经网络、小波神经网络预测模型更加精确,研究表明深度学习网络模型在农产品价格预测方面以及其他商品价格预测方面来具有十分好的应用前景,同时农产品价格预测模型的建立和研究能够为其他的产品市场预测提供一个参照。本文主要研究农产品价格预测模型的建立,构建出了更加优异的农产品价格预测模型。这一研究将有利于我国农产品市场平稳高效发展。对我国经济社会发展和国家长治久安也具有十分重要的意义。