农产品市场价格的波动事关民生大计和社会福祉,开展农产品价格的预测预警研究,能有效防范农产品价格异常波动给广大群众带来的损失。由于农产品价格受到市场供需、国际环境和国家宏观政策等多方面因素的共同影响,同时,价格数据具有非线性、高噪声和波动大的特点,这提高了对农产品价格进行精准预测与预警的难度。因此,对农产品价格的预测预警方法的研究,能够解决农产品价格预测预警不准确的问题。本文采用机器学习方法对农产品价格进行预测与预警,做了如下工作:首先,根据农产品的市场价格具有周期性、时间相关性和多因素相互影响的特点,本文提出使用基于托普利兹逆协方差的聚类算法(TICC)对农产品市场价格的波动规律进行分析,即农产品价格的模式发现。该算法以农产品价格及其影响因素的多元时间序列数据集作为输入,利用马尔科夫随机场描述各因素之间的相互依赖关系,同时分割和聚类农产品价格数据集,输出农产品市场价格各时间戳对应的模式。其次,以挖掘出的农产品市场价格模式作为预测警度,本文提出使用基于长短期记忆网络的多变量分类算法(MLSTM)对农产品市场价格进行预测预警。该模型为两阶段方法:第一阶段利用基础LSTM算法分别对农产品市场价格及其影响因素进行时序预测;第二阶段利用MLSTM分类算法对预测出的农产品市场价格进行多变量分类,由上述两个阶段实现农产品市场价格的预测预警。再次,为了验证模式发现和预测预警方法的可行性,本文以黑龙江省大豆市场为例进行实证研究。采用网络爬虫技术爬取了2016年7月至2017年12月期间黑龙江省主要农产品市场中大豆收购价格、玉米市场价格、大豆期货价格和豆油期货价格作为多变量数据集,模式发现结果表明大豆市场可以分为繁荣、衰退、萧条和复苏四种模式,LSTM对大豆价格预测结果的RMSE平均值低于0.1,MLSTM对大豆价格预警准确率达76%以上,结果与黑龙江大豆实际市场的价格时序图吻合。最后,采用TICC聚类及MLSTM分类模型对黑龙江省生猪市场价格进行模式发现和预警。本文爬取2016年7月至2019年3月期间黑龙江玉米市场价格、生猪市场价格和猪里脊市场价格作为生猪市场价格及其因素数据集,模式发现结果表明TICC算法挖掘的四种模式符合“猪周期”理论,采用LSTM对生猪价格预测结果的RMSE平均值为1.4,采用MLSTM对生猪价格预警的准确率达83%。预测与预警结果认为未来我国将处于新一轮猪周期的上升阶段。本文将模式发现的相关理论应用于农产品价格波动相关领域,有助于提前对农产品市场价格的波动进行分析研判,可以为我国农产品市场的价格调控提供一定的参考。