甘蔗作为我国农业领域重要的农产品,不仅是生产食糖的重要原料,也是一种新型的能源材料。在我国很多省份甘蔗种植业已成为当地人的主要收入来源和带动一方经济增长的基础性产业。甘蔗价格波动对国家财政税收和广大蔗农基本收入及生产积极性都有生重要影响,甚至对社会安定以及国际食糖市场稳定性也具有重要意义。本文通过挖掘与甘蔗价格波动有关的数据,探究影响甘蔗价格波动的因素之间蕴含的内在关系与规律,建立甘蔗价格波动指标体系,并基于Spark MLlib回归算法建立价格预测模型,实现甘蔗价格预测系统,以期为我国甘蔗产区生产与销售提供指导意见。本文主要研究工作和贡献如下:（1）甘蔗价格影响因素和价格波动规律的研究。本文从社会经济学,销售学等角度出发,根据甘蔗的生产成本、流通成本、固有属性特征、销售市场等四方面进行甘蔗价格影响因素关联性分析,提出甘蔗价格波动指标体系。（2）数据集的获取与预处理。本文使用python语言编写scrapy框架对甘蔗特征数据进行获取,通过对爬虫程序的具体实现将相关网站里的目标数据进行下载、解析并保存,并对获取到的数据集进行了数据维度、相关性分析以及数据集的属性划分等数据预处理工作。（3）甘蔗价格预测模型的研究。采取以数据驱动建模的方法,使用线性与非线性等代表性的回归算法配合全量样本不断进行样本的筛选和模型的训练及优化,最终获得了与甘蔗价格波动最为紧密的最优样本及匹配的算法模型K近邻算法。（4）基于Spark MLlib的甘蔗价格预测系统的实现。将甘蔗价格预测系统设计为客户端与服务端两大模块,客户端通过Python编写图形界面,界面功能包含配置服务端信息、查询预测结果等。服务端提供核心运算功能,通过接收客户端上传的最优样本文件与数据模型进行运算得到预测结果。通过对这两部分功能的具体实现完成了甘蔗价格预测系统的开发。应用结果表明该系统预测精度高,可适用于甘蔗价格预测,方便需求者及时掌握其价格信息,推动甘蔗产业的良好发展。