中国是一个农业大国,农产品的价格不仅体现了国家的经济发展水平,同时也在一定程度上影响着国民幸福指数。我国幅员辽阔,各个地区信息化发展水平不同,农业信息相对闭塞,这使得农业从业人员无法及时获取农产品信息,容易出现盲目种植行为,这往往会导致供需冲突,影响市场稳定、造成损失。因此,对农产品批发市场信息进行合理管理与及时发布,并且建立相对合理的价格预测和预警机制,可以帮助农业从业者及时获取农产品信息,合理安排农业种植计划,同时也可以给市场监管人员提供一套完善的监管及预警系统。近年来,大数据、人工智能、物联网以及5G等新兴技术的快速发展,也为农业信息化提供了有力的技术支持。针对上文所提出的问题,本文开发了一个集市场信息管理、信息展示以及价格预测预警于一体的系统。本文的主要研究内容如下:（1）农产品价格预警系统的设计。本文预警系统采用模块化设计的方式,在逻辑层面进行业务解耦合,根据用户的定位不同,将系统分为数据展示与信息管理两个系统。数据展示子系统分为价格数据查询、预测预警展示和市场信息展示三个部分;信息管理系统分为市场数据管理、人员信息管理和预警信息管理三个部分。（2）价格预测算法设计。针对农产品特征之间存在的非线性关系和传统价格预测算法多日准确度较低两个问题,本文提出了一种基于特征选择的混合神经网络价格预测模型。在算法的设计中,本文从特征选择与预测模型网络结构两个方面出发进行算法设计。在特征选择方面,考虑到特征之间存在的非线性关系和特征之间的冗余影响,选择LightGBM对同市场不同品类、相邻市场同品类的价格数据、环境以及市场经济等因素进行特征选择。在网络结构方面,考虑到预测输出为未来多日的价格,因此选用Seq2Seq的结构,将网络分为Encode与Decode两个部分:Encode部分考虑到多维特征和时间序列本身的时序性特点,选择1DCNN和Lstm的混合神经网络进行特征捕获;Decode部分利用Lstm的多输出特性,实现多日预测的需求。此外,为了验证本文所提出的预测模型在农产品数据集上的效果,使用了如LSTM、GRU、SVM等常用且预测效果较好的模型进行对比实验,对比不同模型预测值的均方根误差RMSE,实验表明,本文所提出的预测模型在与其他模型的对比实验中准确度更高,并具有较好的泛化能力。（3）农产品价格预警系统的实现。本文首先通过Spring Boot和Vue等相关技术构建了农产品价格预警系统;然后利用高德地图API和Echarts库分别对市场地理位置信息和农产品价格相关数据进行可视化展示;最后将本文提出的农产品价格预测算法应用到价格预警的模块中,对预测价格进行分析,通过价格波动的情况进行对应的预警,使用电话和邮件进行预警处理。本文对现有价格预测算法进行改进,解决了特性选择的非线性问题、多天预测准确率问题,提高算法精度的同时保证了运行效率;并且立足于工业开发,基于本文提出算法,搭建了农产品价格预警系统,并对其进行了系统测试,确保系统功能完善并且性能稳定。