棉花作为我国的第二大经济作物,种植非常的广泛,在农业结构中承担着举足轻重的作用。其经济效益不仅直接影响棉花从业者的整体收入,更影响着我国脱贫攻坚战略和农业现代化规划目标的实现,准确预测棉花价格的走势和波动已经成为了新的研究重点。近年来专家学者对棉花价格预测的研究多以传统计量经济学方法和简单神经网络模型预测方法为主,但由于棉花市场价格指数波动是一个非常复杂的非线性系统,具有随机波动特性,容易受到气象、金融等多种因素的影响,棉花价格预测的精度需要进一步的提高。本文以棉花价格指数（CCindex328B,2016年-2019年）日市场价为研究对象。主要研究内容如下:（1）棉花价格数据特征的研究。目前,棉花价格数据特征的选择主要是基于国际环境、进出口、产销等,在现有数据特征的基础上,分析了气象气候因素对棉花价格的影响,并对降水、日照、湿度等因素进行了相关性分析,对棉花价格指数进行了数理特征分析。（2）棉花价格预测模型的研究。主要研究分析了双向长短期记忆网络（BILSTM）模型和长短期记忆网络（LSTM）模型对棉花价格的预测,并进行了与Light GBM模型的实验对比分析。（3）模型优化研究。传统的BILSTM和LSTM模型在梯度下降时采用的随机梯度下降（SGD）方法,该优化方法在训练的过程中产生频繁波动,较多情况下得到的是局部最优值。本文采用SWA（Stochastic Weight Averaging）优化算法取SGD轨迹的多点简单平均值对SGD进行优化,避免了SGD在梯度下降过程中的频繁波动问题,使其模型能将Loss和损失值更快的收敛,进一步提高训练的稳定性。实验结果表明:BILSTM模型能够很好地对测试集价格曲线进行拟合,误差值最小,价格预测精度较高。采用SWA算法优化的LSTM和BILSTM网络结构能够快速收敛,具有较强的泛化性能。该模型能够更精确地表现棉花市场价格波动的规律,对稳定市场秩序,帮助棉花市场从业者和投资者优化经营策略,实现乡村振兴战略目标具有重要意义。