Las fluctuaciones en los precios de los productos agrícolas afectan la oferta y la demanda de productos agrícolas y tienen un impacto significativo en los consumidores. La predicción precisa de los precios de los productos agrícolas facilitaría la reducción del riesgo causado por las fluctuaciones de precios. Este documento propone un modelo llamado memoria a largo plazo con atención de doble entrada (DIA-LSTM) para la predicción eficiente de los precios de los productos agrícolas. DIA-LSTM se entrena utilizando diversas variables que afectan el precio de los productos agrícolas, como datos meteorológicos y datos de volumen de negociación, y puede identificar la correlación de características y relaciones temporales de datos de entrada de series temporales multivariadas. Además, mientras que los modelos convencionales se centran predominantemente en el área de producción principal estática (que se selecciona previamente para cada producto agrícola en función de los datos estadísticos), DIA-LSTM utiliza el área de producción principal dinámica (que se selecciona en función de la producción de productos agrícolas en cada región). Para evaluar DIA-LSTM, se aplicó a la predicción mensual del precio de la col y el rábano en el mercado de Corea del Sur. Utilizando información meteorológica para el área de producción principal dinámica, logró un error porcentual absoluto medio (MAPE) entre un 2.8% y un 5.5% menor que el del modelo convencional que utiliza información meteorológica para el área de producción principal estática. Además, logró un MAPE entre un 1.41% y un 4.26% menor que el de los modelos de referencia. Por lo tanto, proporciona una nueva idea para la predicción de precios de productos agrícolas y tiene el potencial de estabilizar la oferta y la demanda de productos agrícolas.