随着信息技术不断发展,互联网技术在农业领域中的应用越来越多,农业生产经营的方式正在发生根本性变化,逐渐形成了独具特色的农业产业链。互联网技术在农业上应用处在发展的初期阶段,许多问题需要解决,在技术应用上存在许多风险。与传统农业金融相比,互联网农业金融中的风险问题更为复杂,预防风险的一些技术问题亟待解决。如何识别和深入研究互联网农业金融中的风险,对风险进行预测,从而进行有效管理,保证整个行业稳步向前发展,成为农业发展领域中互联网技术应用的关键问题。由于我国农业经济的现代化水平较低,使得农业金融风险对农业经济的发展影响较大,农业金融风险不仅会削弱金融机构的支付能力,损害农业金融领域的信誉,也有可能造成通货膨胀,影响国家经济的稳定运行。本文主要对互联网农业金融中的风险因素进行综合分析,构建预防互联网农业金融风险的合理机制。首先运用理论分析方法分析影响农业金融风险的主要因素,然后针对实际样本数据,使用数据挖掘方法,建立预警农业金融风险的神经网络模型,依据数据计算结果,制定出预防农业金融风险的控制策略。具体以连云港市的农业发展现状为例,收集了近8年来的相关数据,运用神经网络技术建立数学模型,运用MATLAB编程手段,对实际数据做标准化和归一化处理,通过数值计算对理论模型进行训练,得到实际输出与期望输出值,据此构建风险防控的预警模型。论文共分六章,第一章主要阐述相关研究背景、主要研究内容、研究意义,以及使用的数学方法和论文的创新点。第二章简要总结影响互联网农业金融风险的主要因素以及控制风险的一般举措。第三章首先概括指标选取的六个原则,然后阐述BP神经网络的基本原则及应用,进而确定出农业金融风险的主要数值指标,确定了数据指标的归一化处理的方法。第四章详细地描述风险预警模型的建立过程,包括对数据的处理,输入节点、隐层节点、输出节点的确定,参数的选择,以及目标函数的确定。第五章结合实际数据使用MATLAB软件,对神经网络模型进行训练,验证预警模型的合理性,给出了神经网络模型的期望输出以及对应的误差。第六章总结论文工作,提出发展农业互联网金融、规避金融风险的一些合理化建议。