民以食为天,粮食问题自古以来就是关系人类社会发展的重要问题。我国又是人多地少的发展中国家,经济发展给人民生活带来富裕的同时,也给我国的粮食供应造成压力。粮食供需与粮食安全问题紧密相连,粮食安全问题不仅仅是经济问题,更关系到国家的长久发展,因此需要对我国粮食产量进行有效预测,从而合理解决粮食供需平衡问题,确保国家粮食安全。本文在深入了解我国粮食现状后,着重对粮食产量的预测开展工作。首先,对时间序列分析中常用的ARIMA模型进行改进,同时分别采用改进模型和传统模型对不同时间区间的产量数据进行短期预测,结果表明,当选取较长时间区间,并且采用改进模型进行预测时,预测结果越准确。其次,提出了联合动态预测模型。对粮食产量的主要影响因子进行分析,然后根据关联度选择主要因子与产量数据共同构建模型,对选中的影响因子采用改进的ARIMA模型进行动态预测,再结合多元回归实现粮食产量的中长期动态预测。最后,考虑到产量数据的非线性特征,以及模型参数优化等问题,本文结合统计学习理论的相关内容,分析并学习了最小二乘支持向量机的应用原理和粒子群算法的全局寻优特性,提出了基于粒子群优化的最小二乘支持向量机模型,二者的有效结合使得预测模型既有更快的求解速度,又能保证参数选择全局最优,并且在数据预处理阶段加入了平滑处理,相较于未平滑处理具有更高的预测精度。实验结果表明:改进的ARIMA模型和联合动态预测模型能够有效的实现粮食产量的短期和中长期预测,并且后者的预测精度相较于前者以及传统灰色模型都有所提升。基于粒子群优化的最小二乘支持向量机模型较好的解决了非线性问题,在对粮食产量进行短期预测时预测精度更好。